L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 3238
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Vous pouvez faire dans le même R, sauvegarder le modèle, et à travers python dans onnx en quelques lignes
Si vous voulez parler du modèle de réseau neuronal et non d'un modèle comme Forest.
Bien que hgbust soit probablement possible aussi.
---------------------------------
Et il est dit que vous ne pouvez pas convertir n'importe quel modèle, le modèle lui-même doit supporter ce format.
--------------------------------
La conclusion est donc qu'ONNH est en python, et qu'il n'y a pas d'échappatoire.
neuro, bien sûr).
Seule la grille finale entraînée peut être placée dans le fichier onnx. Il est également possible (théoriquement) de mettre le prétraitement des caractéristiques pour la grille à partir du prix initial. L'ensemble est appelé pipeline et la question est de savoir quelle est la flexibilité de la possibilité de mettre tout votre pipeline dans un seul fichier ONNX.
Personne ne veut vraiment se plonger dans ce sujet, parce qu'il faut être très bon en python et qu'il y a très peu de manuels sur le sujet, et l'IA ment comme d'habitude).
Seule la grille formée finale peut être placée dans le fichier onnx. Il est également possible (théoriquement) de mettre en place un prétraitement des signes pour la grille à partir du prix initial. L'ensemble est appelé pipeline et la question est de savoir quelle est la flexibilité de la possibilité de mettre tout votre pipeline dans un seul fichier ONNX.
Personne ne veut vraiment se plonger dans ce sujet, parce qu'il faut être très bon en python et qu'il y a très peu de manuels sur le sujet, et l'IA ment comme d'habitude).
Le prétraitement est en gros une normalisation, de sorte que le nombre de caractéristiques ne change pas....
Je me demande s'il est possible de générer de nouveaux attributs à l'intérieur, le modèle accepte un tableau de ohlc, et à l'intérieur du format ohlc de nouveaux attributs sont déjà générés, il y a encore un bon morceau de code personnalisé à l'intérieur.....
Je ne comprends toujours pas si cela peut être fait avec peu de sang ou non...
Le prétraitement est en gros une normalisation, de sorte que le nombre de caractéristiques ne change pas.
Je me demande s'il est possible de générer de nouveaux attributs à l'intérieur, le modèle accepte un tableau de ohlc, et à l'intérieur du format ohlc de nouveaux attributs sont déjà générés, il y a encore un bon morceau de code personnalisé à l'intérieur....
Je ne comprends toujours pas si cela peut être fait avec peu de sang ou non...
Pour un débutant en Python, certainement pas, pour un professionnel en Python, c'est une question de limites de possibilités. Il y a peu de manuels à ce jour et ils ne contiennent que des exemples simples.
Quoi qu'il en soit, à en juger par
http://w ww.xavierdupre.fr/app/mlprodict/helpsphinx/tutorial/onnx_numpy.html
et à
http://www.xavierdupre.fr/app/mlprodict/helpsphinx/api/npy.html#l-numpy-onnxpy
si vous avez juste besoin de transférer le modèle et de faire des normalisations simples, alors onnx est bon...
mais si vous avez besoin de faire quelque chose de personnalisé, c'est soit AD, soit pas possible du tout...
Je ne sais pas à quel type de traders cela s'adresse...
il semble que 5 personnes participeront au concours. 4 d'entre elles sont des employés de metaquotes qui ont travaillé sur l'intégration d'onnx dans metatrader.
Quoi qu'il en soit, selon
http://w ww.xavierdupre.fr/app/mlprodict/helpsphinx/tutorial/onnx_numpy.html
et par
http://www.xavierdupre.fr/app/mlprodict/helpsphinx/api/npy.html#l-numpy-onnxpy
Si vous n'avez besoin que de transférer le modèle et la tuyauterie avec des normalisations simples, alors onnx est bon.
Mais si vous avez besoin de faire quelque chose de personnalisé, c'est soit AD, soit pas possible du tout....
Je ne sais pas à quel type de traders cela s'adresse...
Il semble que 5 personnes participeront au concours, dont 4 sont des employés de metaquotes qui ont travaillé à leur intégration dans metatrader.
J'ai un vrai EA avec R, avec la première version duquel j'ai atteint le testeur.
La structure est la suivante :
1. Il y a un Expert Advisor ordinaire sur µl, avec l'ensemble des fonctions habituelles : travailler avec des ordres, des stops, MM..... Le bloc de génération de signaux, dans les exemples de méta-citations - l'intersection de deux mash, est remplacé par un appel à R, qui envoie le prochain OHLC.
2. Le code de R se compose grosso modo de deux parties :
2.1. la conversion de l'OHLC en un ensemble de prédicteurs pour les modèles. Il s'agit de centaines (ou de milliers) d'opérateurs dans R avec accès à certains paquets (pas des modèles) de R.
2.2. le calcul du signal par le modèle.
3. le signal de négociation est transmis au conseiller expert : -1 ; 0 ; 1.
Pour en revenir au sujet, il s'avère que pour utiliser ONNX p.2.2 sera ONNX, et dans l'EA il faudra déplacer p.2.1 ? C'est une entreprise sérieuse pour moi, car en plus des modèles eux-mêmes, d'autres packages de R sont utilisés, dont les algorithmes devront être codés en µl.
La société connaît aujourd'hui un phénomène intéressant : la popularité d'un produit issu du monde scientifique. Le comportement a donc changé : alors qu'auparavant la description scientifique rebutait les gens ordinaires, aujourd'hui, au contraire, elle les attire. Par conséquent, pour augmenter les ventes, il est judicieux de mentionner d'autres termes quasi-scientifiques tels que "transformées de Fourier et de Laplace". Et, bien sûr, de belles images/animations sur le sujet.
Le texte et les images suffisent déjà.
Pour en revenir au sujet, il s'avère que pour utiliser ONNX, la version 2.2.2 sera dans ONNX, et la version 2.1 devra être déplacée dans l'EA ? C'est une entreprise sérieuse pour moi, car en plus des modèles eux-mêmes, d'autres packages de R sont utilisés, dont les algorithmes devront être codés en µl.
Si j'ai bien compris, tout se passe exactement comme suit
--------------------------------
cette technologie n'est pas pour les humains...
l'essentiel dans un modèle, ce sont les attributs, pas le modèle lui-même...
Les professionnels ont déjà établi le processus de création des attributs et de traitement des données, ils savent également comment connecter les modèles au marché, ils n'ont tout simplement pas besoin d'ONNX.
Et les débutants ne connaissent même pas ONNX.
Pour qui cela a-t-il été créé, je ne le sais pas au fond de moi ...
Pour un concours ? :)