이 글에서는 피셔의 붓꽃 데이터 세트의 분류 작업을 해결하기 위해서 Scikit-Learn 라이브러리에서 사용할 수 있는 모든 분류 모델을 적용하는 방법을 살펴봅니다. 우리는 이러한 모델을 ONNX 형식으로 변환하고 그 결과 모델을 MQL5 프로그램에서 활용하려고 합니다. 또한 전체 붓꽃 데이터 세트에서 원래 모델의 정확도를 ONNX 버전과 비교합니다.
ONNX 런타임은 공개적으로 사용 가능한 최초의 추론 엔진으로서 ONNX-ML 프로필을 포함하여 ONNX 1.2 이상을 완벽하게 지원합니다.
ONNX-ML 프로필은 머신 러닝(ML) 모델을 위해 특별히 설계된 ONNX의 일부입니다. ONNX-ML은 분류, 회귀, 클러스터링 등 다양한 유형의 머신 러닝 모델을 편리한 형식으로 기술하고 표현하기 위한 것으로 ONNX를 지원하는 다양한 플랫폼과 환경에서 사용할 수 있습니다. ONNX-ML 프로필은 머신 러닝 모델의 전송, 배포 및 실행을 간소화하고 접근성과 휴대성을 높입니다.
이 글에서는 피셔의 붓꽃 분류 과제를 해결하기 위해 Scikit-learn 패키지의 모든 분류 모델을 적용하는 방법에 대해 살펴볼 것입니다. 우리는 이러한 모델을 ONNX 형식으로 변환하고 결과 모델을 MQL5 프로그램에서 사용해 볼 것입니다.
새로운 기고글 Scikit-Learn 라이브러리의 분류 모델 및 ONNX로 내보내기 가 게재되었습니다:
이 글에서는 피셔의 붓꽃 데이터 세트의 분류 작업을 해결하기 위해서 Scikit-Learn 라이브러리에서 사용할 수 있는 모든 분류 모델을 적용하는 방법을 살펴봅니다. 우리는 이러한 모델을 ONNX 형식으로 변환하고 그 결과 모델을 MQL5 프로그램에서 활용하려고 합니다. 또한 전체 붓꽃 데이터 세트에서 원래 모델의 정확도를 ONNX 버전과 비교합니다.
보도 자료 "ONNX 런타임은 이제 오픈 소스입니다"에 따르면 ONNX 런타임은 ONNX-ML 프로필도 지원한다고 합니다:
ONNX-ML 프로필은 머신 러닝(ML) 모델을 위해 특별히 설계된 ONNX의 일부입니다. ONNX-ML은 분류, 회귀, 클러스터링 등 다양한 유형의 머신 러닝 모델을 편리한 형식으로 기술하고 표현하기 위한 것으로 ONNX를 지원하는 다양한 플랫폼과 환경에서 사용할 수 있습니다. ONNX-ML 프로필은 머신 러닝 모델의 전송, 배포 및 실행을 간소화하고 접근성과 휴대성을 높입니다.
이 글에서는 피셔의 붓꽃 분류 과제를 해결하기 위해 Scikit-learn 패키지의 모든 분류 모델을 적용하는 방법에 대해 살펴볼 것입니다. 우리는 이러한 모델을 ONNX 형식으로 변환하고 결과 모델을 MQL5 프로그램에서 사용해 볼 것입니다.
작성자: MetaQuotes