Discussion de l'article "Modèles de régression de la bibliothèque Scikit-learn et leur export vers ONNX"
![MQL5 - Langage des stratégies de trading intégré au terminal client MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
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
Un nouvel article Modèles de régression de la bibliothèque Scikit-learn et leur export vers ONNX a été publié :
Dans cet article, nous allons explorer l'application des modèles de régression du paquet Scikit-learn, tenter de les convertir au format ONNX, et utiliser les modèles résultants dans des programmes MQL5. Nous comparerons également la précision des modèles originaux avec leurs versions ONNX pour la précision flottante et la précision double. Nous examinerons aussi la représentation ONNX des modèles de régression, afin de mieux comprendre leur structure interne et leurs principes opérationnels.
Scikit-learn est l'une des bibliothèques les plus populaires et les plus utilisées pour l'apprentissage automatique dans la communauté Python. Elle offre un large éventail d'algorithmes, une interface conviviale et une bonne documentation. L'article précédent, "Modèles de classification de la bibliothèque Scikit-learn et leur export vers ONNX", traitait des modèles de classification.
Dans cet article, nous allons explorer l'application des modèles de régression dans le package Scikit-learn, calculer leurs paramètres en double précision pour le jeu de données de test, tenter de les convertir au format ONNX pour la précision flottante et pour précision double, et utiliser les modèles obtenus dans des programmes MQL5. Nous comparerons également la précision des modèles originaux et de leurs versions ONNX pour la précision flottante et la précision double. Nous examinerons aussi la représentation ONNX des modèles de régression, ce qui permettra de mieux comprendre leur structure interne et leur fonctionnement.
Auteur : MetaQuotes