Рассмотрены функции для работы с основными статистическими распределениями, реализованными в языке R. Это распределения Коши, Вейбулла, нормальное, логнормальное, логистическое, экспоненциальное, равномерное, гамма-распределение, центральное и нецентральные распределения Бета, хи-квадрат, F-распределения Фишера, t-распределения Стьюдента, а также дискретные биномиальное и отрицательное биномиальные распределения, геометрическое, гипергеометрическое и распределение Пуассона. Есть функции расчета теоретических моментов распределений, которые позволяют оценить степень соответствия реального распределения модельному.
我们已经说过，我们正朝着在MQL5中实施机器学习的方向发展。
很快，我们将发布对复数（准备）、速度向量和矩阵的本地支持。这正是语言的 原生功能，而不是库的功能。
然后，我们将包括一大套ML机制，并给出类似于TensorFlow的功能。这将使我们能够编写一个完全不同层次的本地机器人。
这很有意思，但我们需要同样的CatBoost的模型解释器，支持分类预测因子和不同的树形构建变体，再加上多分类。我的出发点是，我需要使用现代成就的功能，然后是重新创建、改进、回收它们的功能。
内置不同的聚类、分类、转换、压缩维度、转换、选择预测器的方法，可以起到作用，调整为交易。
这很有趣，但我们需要CatBoost模型解释器，支持分类预测因子和不同的树形构建变体，再加上多分类。我认为，我们需要使用现代成就的功能，然后是重新创建、改进、回收这些成就的功能。
内置不同的聚类、分类、转换、维度压缩、转换、选择预测器的方法--在允许交易的情况下可以发挥作用。
都是一步步来的。
我们已经做了传统语言，包括Python（它甚至没有简单类型的本地数组）所没有的东西（阿尔法版本中的复数、向量和矩阵）。
实际上，TensorFlow中的过滤器和引擎并不超级复杂。它们可以被创造性地移植到MQL5中，而不需要与初始项目中固有的任何东西兼容的负担。
在我们的时间里，我们已经在MQL5源代码中转移并展示了来自R的 大约500个函数。 而在MQL5中，它的速度是3到50倍。
我们已经说过，我们正朝着在MQL5中实施机器学习的方向发展。
很快我们将发布对复数（准备）、速度向量和矩阵的本地支持。这正是语言的 原生功能，而不是库的功能。
然后，我们将包括一大套ML机制，并给出类似于TensorFlow的功能。这将使你能够编写完全不同层次的本地机器人。
你打算使用WinML或DirectML还是你自己的一些解决方案？
是否会有对ONNX的支持？
我们已经说过，我们正朝着在MQL5中实施机器学习的方向发展。
很快我们将发布对复数（准备）、速度向量和矩阵的本地支持。这正是语言的 原生功能，而不是库的功能。
然后，我们将包括一大套ML机制，并给出类似于TensorFlow的功能。这将允许在绝对的另一个层面上编写本地机器人。
雷纳特-法特库林。
很快我们就会发布对复数（准备好了）、速度向量和矩阵的本地支持。
非常需要像matlab和numpy那样，在没有循环的情况下处理数组的能力（数字乘法、逐个元素乘法、切片）。
非常需要像matlab和numpy那样，在没有循环的情况下处理数组的能力（数字乘法、逐个元素乘法、切片）。
这在语言层面上已经有了。
你会使用WinML或DirectML，还是你自己的一些解决方案？
是否会有ONNX支持？
首先，我们正在对新的数据类型和对它们的操作直接在语言中做本地支持。
通过OpenCL/多线程进行的加速操作将是隐藏的，对开发者来说是透明的。
WinML/ONNX将在以后考虑。
我们计划将OpenCL 自动、透明地应用于矩阵 和ML操作。
事实上，我们要在不使用成吨的可配置的CUDA和tensorflow库的情况下，最大限度地榨取出。
OpenCL不会自动应用于矢量吗？
也就是说，如果我们要处理几个向量，使用一个矩阵会更合理？
还是说OpenCL也会支持矢量？
已添加。
CPU或GPU上的 硬件资源是否会从现有的资源中自动选择？
或者说，是否可以决定使用哪种资源？
OpenCL不会自动适用于矢量吗？
也就是说，如果我们要处理几个向量，使用矩阵会更合理？
还是说OpenCL也会支持矢量？
已添加。
CPU或GPU上的 硬件资源是否会从现有的资源中自动选择？
或者是否可以确定使用哪种资源？
对单个向量使用高成本的OpenCL没有什么意义。
凡是发现有效果的地方，我们就会应用。OpenCL本身并不是一个目的。
首先等待没有OpenCL的矩阵操作的测试版本。一旦基本功能调试完毕，我们将进入加速阶段。
一切都肯定会有压力测试和基准测试。