Группа пользователей MetaTrader 5 Python - краткое содержание - страница 28
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
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
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.
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.
Регрессионные модели библиотеки Scikit-learn и их экспорт в ONNX
Построение вашей первой модели Glass-box с помощью Python и MQL5
Алгоритмическая торговля с MetaTrader 5 и R для начинающих
Маркировка данных для добычи временных рядов (часть 6):Применение и тестирование в советнике с помощью ONNX
Глубокое обучение прогнозированию и упорядочиванию с помощью пакета Python и MetaTrader5 и файла модели ONNX
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:
Работа с моделями ONNX в форматах float16 и float8
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.