Группа пользователей MetaTrader 5 Python - краткое содержание - страница 28

Новый комментарий
 
Vladimir Perervenko #:

Только Windows :(


Некоторые pip-установки python позволяют компилировать установку на родную платформу, например, если выполнить pip install psycopg2. Возможно ли получить версию, позволяющую это сделать в случае pip install MetaTrader5? Это помогло бы в данном случае.

Я, например, хотел бы спросить, возможно ли это, чтобы это помогло. И где можно попросить об этом?

 

Классификационные модели в библиотеке Scikit-Learn и их экспорт в ONNX

Классификационные модели в библиотеке Scikit-Learn и их экспорт в ONNX

Профиль ONNX-ML - это часть ONNX, разработанная специально для моделей машинного обучения (ML). Он предназначен для описания и представления различных типов ML-моделей, таких как классификация, регрессия, кластеризация и другие, в удобном формате, который может быть использован на различных платформах и средах, поддерживающих ONNX. Профиль ONNX-ML упрощает передачу, развертывание и выполнение моделей машинного обучения, делая их более доступными и переносимыми.

В этой статье мы рассмотрим применение всех моделей классификации из пакета Scikit-learn для решения задачи классификации ириса Фишера. Мы также попытаемся преобразовать эти модели в формат ONNX и использовать полученные модели в программах на MQL5.

Кроме того, мы сравним точность оригинальных моделей и их ONNX-версий на полном наборе данных Iris.

Classification models in the Scikit-Learn library and their export to ONNX
Classification models in the Scikit-Learn library and their export to ONNX
  • www.mql5.com
In this article, we will explore the application of all classification models available in the Scikit-Learn library to solve the classification task of Fisher's Iris dataset. We will attempt to convert these models into ONNX format and utilize the resulting models in MQL5 programs. Additionally, we will compare the accuracy of the original models with their ONNX versions on the full Iris dataset.
 

Освоение ONNX: изменение игры для трейдеров MQL5

Освоение ONNX: изменение игры для трейдеров MQL5

Неоспоримо, что мы живем в эпоху искусственного интеллекта и машинного обучения, каждый день появляются новые технологии на основе искусственного интеллекта, применяемые в финансах, искусстве, играх, образовании и многих других сферах жизни.

Для нас, трейдеров, обучение использованию возможностей искусственного интеллекта может дать нам преимущество перед рынком, позволяя обнаруживать закономерности и взаимосвязи, которые мы не можем увидеть человеческим глазом.

Mastering ONNX: The Game-Changer for MQL5 Traders
Mastering ONNX: The Game-Changer for MQL5 Traders
  • www.mql5.com
Dive into the world of ONNX, the powerful open-standard format for exchanging machine learning models. Discover how leveraging ONNX can revolutionize algorithmic trading in MQL5, allowing traders to seamlessly integrate cutting-edge AI models and elevate their strategies to new heights. Uncover the secrets to cross-platform compatibility and learn how to unlock the full potential of ONNX in your MQL5 trading endeavors. Elevate your trading game with this comprehensive guide to Mastering ONNX
 

Регрессионные модели библиотеки Scikit-learn и их экспорт в ONNX

Регрессионные модели библиотеки Scikit-learn и их экспорт в ONNX

В этой статье мы рассмотрим применение регрессионных моделей из пакета Scikit-learn, вычислим их параметры с двойной точностью для тестового набора данных, попытаемся преобразовать их в формат ONNX для float и double precision и используем полученные модели в программах на MQL5. Кроме того, мы сравним точность исходных моделей и их ONNX-версий для float и double precision. Кроме того, мы рассмотрим ONNX-представление регрессионных моделей, что позволит лучше понять их внутреннюю структуру и принцип работы.
Regression models of the Scikit-learn Library and their export to ONNX
Regression models of the Scikit-learn Library and their export to ONNX
  • www.mql5.com
In this article, we will explore the application of regression models from the Scikit-learn package, attempt to convert them into ONNX format, and use the resultant models within MQL5 programs. Additionally, we will compare the accuracy of the original models with their ONNX versions for both float and double precision. Furthermore, we will examine the ONNX representation of regression models, aiming to provide a better understanding of their internal structure and operational principles.
 

Построение вашей первой модели Glass-box с помощью Python и MQL5

Построение вашей первой модели Glass-box с помощью Python и MQL5

Алгоритмы Glass-box - это алгоритмы машинного обучения, которые полностью прозрачны и по своей сути понятны. Они опровергают общепринятое мнение о том, что в машинном обучении существует компромисс между точностью предсказания и интерпретируемостью, поскольку обеспечивают беспрецедентный уровень точности и прозрачности. Это означает, что их экспоненциально легче отлаживать, поддерживать и улучшать после итераций по сравнению с их альтернативами "черного ящика", с которыми мы больше знакомы. Модели "черного ящика" - это все модели машинного обучения, внутренняя работа которых сложна и не поддается простой интерпретации. Эти модели могут представлять собой высокоразмерные и нелинейные взаимосвязи, которые нам, людям, нелегко понять.
Building Your First Glass-box Model Using Python And MQL5
Building Your First Glass-box Model Using Python And MQL5
  • www.mql5.com
Machine learning models are difficult to interpret and understanding why our models deviate from our expectations is critical if we want to gain any value from using such advanced techniques. Without comprehensive insight into the inner workings of our model, we might fail to spot bugs that are corrupting our model's performance, we may waste time over engineering features that aren't predictive and in the long run we risk underutilizing the power of these models. Fortunately, there is a sophisticated and well maintained all in one solution that allows us to see exactly what our model is doing underneath the hood.
 

Алгоритмическая торговля с MetaTrader 5 и R для начинающих

Участников сообщества, переходящих с языка R, независимо от их опыта работы в академической среде или в сфере научных вычислений, сообщество MetaQuotes встречает с распростертыми объятиями. Несмотря на развитие Python и эксклюзивную интеграцию Python в качестве единственного полностью поддерживаемого языка в терминал MetaTrader, люди, владеющие R, не должны воспринимать свои навыки программирования как устаревшие. Эта статья опровергает любые предположения об устарелости, демонстрируя, что, приложив творческий подход и немного изобретательности, вполне реально построить комплексный алгоритмический торговый советник, используя R и MetaTrader 5.
Algorithmic Trading With MetaTrader 5 And R For Beginners
Algorithmic Trading With MetaTrader 5 And R For Beginners
  • www.mql5.com
Embark on a compelling exploration where financial analysis meets algorithmic trading as we unravel the art of seamlessly uniting R and MetaTrader 5. This article is your guide to bridging the realms of analytical finesse in R with the formidable trading capabilities of MetaTrader 5.
 

Маркировка данных для добычи временных рядов (часть 6)：Применение и тестирование в советнике с помощью ONNX

Маркировка данных для поиска временных рядов (часть 6)：Применение и тестирование в EA с помощью ONNX

В предыдущей статье мы обсудили, как использовать сокет (websocket) для связи между экспертом и python-сервером, чтобы решить проблему бэктестинга, а также рассказали, почему мы выбрали именно эту технику. В этой статье мы обсудим, как использовать onnx, который нативно поддерживается mql5, для выполнения выводов по нашей модели, но у этого метода есть некоторые ограничения. Если ваша модель использует операторы, которые не поддерживаются onnx, это может закончиться неудачей, поэтому этот метод подходит не для всех моделей (конечно, вы можете добавить операторы для поддержки вашей модели, но это потребует много времени и усилий). Именно поэтому в предыдущей статье я уделил много места знакомству с методом сокетов и рекомендовал его вам. Конечно, конвертировать общую модель в формат onnx очень удобно, и это дает нам эффективную поддержку кроссплатформенных операций. В этой статье рассматриваются основные операции по работе с моделями ONNX в mql5, в том числе как согласовать вход и выход моделей torch и моделей ONNX, а также как конвертировать подходящие форматы данных для моделей ONNX. Конечно же, сюда входит и управление ордерами советника. Я подробно расскажу вам об этом. А теперь давайте приступим к основной теме этой статьи!
Data label for time series mining (Part 6)：Apply and Test in EA Using ONNX
Data label for time series mining (Part 6)：Apply and Test in EA Using ONNX
  • www.mql5.com
This series of articles introduces several time series labeling methods, which can create data that meets most artificial intelligence models, and targeted data labeling according to needs can make the trained artificial intelligence model more in line with the expected design, improve the accuracy of our model, and even help the model make a qualitative leap!
 

Глубокое обучение прогнозированию и упорядочиванию с помощью пакета Python и MetaTrader5 и файла модели ONNX

Прогнозирование и упорядочивание с помощью Deep Learning на Python и MetaTrader5 пакет python и файл модели ONNX

Глубокое обучение - это область машинного обучения, которая фокусируется на искусственных нейронных сетях, вдохновленных структурой и функциями человеческого мозга. Оно предполагает обучение моделей выполнению задач без явного программирования, а путем изучения паттернов и представлений из данных. Глубокое обучение привлекло значительное внимание благодаря своей способности автоматически изучать иерархические характеристики и представления, что делает его эффективным в различных областях, таких как распознавание изображений и речи, обработка естественного языка и многое другое.
Deep Learning Forecast and ordering with Python and MetaTrader5 python package and ONNX model file
Deep Learning Forecast and ordering with Python and MetaTrader5 python package and ONNX model file
  • www.mql5.com
The project involves using Python for deep learning-based forecasting in financial markets. We will explore the intricacies of testing the model's performance using key metrics such as Mean Absolute Error (MAE), Mean Squared Error (MSE), and R-squared (R2) and we will learn how to wrap everything into an executable. We will also make a ONNX model file with its EA.
 

Форум о трейдинге, автоматизированных торговых системах и тестировании торговых стратегий

Python 3.12

MetaQuotes, 2024.02.02 18:55

Версия MetaTrader 5 Python 5.0.50 доступна для Python 3.12

Обновить можно следующим образом: 

python -m pip install --upgrade metatrader5

 

Работа с моделями ONNX в форматах float16 и float8

С развитием технологий машинного обучения и искусственного интеллекта растет потребность в оптимизации процессов работы с моделями. Эффективность работы с моделями напрямую зависит от форматов данных, используемых для их представления. В последние годы появилось несколько новых типов данных, специально разработанных для работы с моделями глубокого обучения.

В этой статье мы остановимся на двух таких новых форматах данных - float16 и float8, которые начинают активно использоваться в современных моделях ONNX. Эти форматы представляют собой альтернативу более точным, но ресурсоемким форматам данных с плавающей точкой. Они обеспечивают оптимальный баланс между производительностью и точностью, что делает их особенно привлекательными для решения различных задач машинного обучения. Мы рассмотрим основные характеристики и преимущества форматов float16 и float8, а также представим функции для их преобразования в стандартные форматы float и double.

Это поможет разработчикам и исследователям лучше понять, как эффективно использовать эти форматы в своих проектах и моделях. В качестве примера мы рассмотрим работу модели ESRGAN ONNX, которая используется для улучшения качества изображений.
Working with ONNX models in float16 and float8 formats
Working with ONNX models in float16 and float8 formats
  • www.mql5.com
Data formats used to represent machine learning models play a crucial role in their effectiveness. In recent years, several new types of data have emerged, specifically designed for working with deep learning models. In this article, we will focus on two new data formats that have become widely adopted in modern models.
1...212223242526272829
Новый комментарий
Причина обращения: