交易中的机器学习:理论、模型、实践和算法交易 - 页 3243 1...323632373238323932403241324232433244324532463247324832493250...3399 新评论 blef 2023.09.14 13:20 #32421 fxsaber #: 检查标准 MA 上的模式,只检查刻度线。... 工作模式。 仍不清楚的是: onnx 信号如何进入这个工作模板? fxsaber 2023.09.14 13:29 #32422 blef #:还不清楚:onnx 信号如何进入该工作模板? 通过您对该函数主体的变体。 交易、自动交易系统和交易策略测试论坛 交易中的机器学习:理论、模型、实践和算法交易 fxsaber, 2023.09.13 19:28 // Торговый сигнал. double SignalONNX( const MqlTick &Tick ) { return(0); } 每个刻度都是输入 - 输出是 ONNX 对交易信号的决定。 上面显示了这样一个函数主体的变体。在 ONNX 的情况下,连接自己的 model.onnx。 EA 模板保持不变。 blef 2023.09.14 13:44 #32423 fxsaber #:通过其身体变体实现这一功能。 每个刻度线都是输入 - 输出是 ONNX 关于交易信号的决定。该函数的主体变体如上图所示。在 ONNX 的情况下,连接其自身的 model.onnx。EA 模板保持不变。 即该函数的主体应实现本页上 MQL5 帮助中指定的函数 -https://www.mql5.com/ru/docs/onnx? Документация по MQL5: ONNX модели www.mql5.com ONNX модели - Справочник MQL5 - Справочник по языку алгоритмического/автоматического трейдинга для MetaTrader 5 Aleksey Nikolayev 2023.09.14 13:55 #32424 blef #:即该函数的主体应实现本页上 MQL5 帮助中指定的函数 -https://www.mql5.com/ru/docs/onnx? 除了前三个函数,它们负责创建和删除 ONNX 会话。 blef 2023.09.14 14:01 #32425 我明白了,谢谢你的解释--我会想办法解决国防部的问题。 fxsaber 2023.09.14 14:12 #32426 blef #:即该函数的主体应实现本页上 MQL5 帮助中指定的函数 -https://www.mql5.com/ru/docs/onnx? 是这样的 // Торговый сигнал. double SignalONNX( const MqlTick &Tick ) { struct ONNX { public: const long Handle; ONNX( const string FileName ) : Handle(::OnnxCreate(FileName, ONNX_DATA_TYPE_DOUBLE)) {} ~ONNX() { ::OnnxRelease(this.Handle); } } static const Model("model.onnx"); // Подключили модель с автоматическим отключением. OnnxRun(Model.Handle, ONNX_DATA_TYPE_DOUBLE, ...); // Прогоняем данные через модель, получаем результат. // .... Обрабатываем результат вычислений. return(0); // Возвращаем торговый сигнал. } Andrey Dik 2023.09.14 14:40 #32427 fxsaber #:差不多吧。总之,一切都很好。但为什么函数返回的值是 double? СанСаныч Фоменко 2023.09.14 14:43 #32428 不知何故,它一直在谈论神经网络。 但这里 列出了一个 转换器 微软 的 ONNXMLTools可以将模型转换为 ONNX 格式。 它能转换以下模型 转换为 ONNX 格式(ONNXMLTools) 通过 ONNXMLTools,您可以将各种机器学习工具包中的模型转换为ONNX 格式。 GitHub 上的 ONNXMLTools代码库 提供了安装和使用说明。 技术支持 目前支持以下工具包: Keras(keras2onnx converter shell); Tensorflow(tf2onnx 转换器 外壳) scikit-learn(skl2onnx 转换器 外壳); Apple Core ML; Spark ML(实验模式); LightGBM libscm; XGBoost; H2O CatBoost 此列表中的非神经网络比神经网络多得多 Документация по MQL5: ONNX модели www.mql5.com ONNX модели - Справочник MQL5 - Справочник по языку алгоритмического/автоматического трейдинга для MetaTrader 5 Machine learning in trading: fxsaber 2023.09.14 14:48 #32429 Andrey Dik #: 总之,还不错。 但为什么函数返回的值是 double? 因为最终模板本身可能比原始模板更难处理接收到的交易信号。 交易、自动交易系统和交易策略测试论坛。 交易中的机器学习:理论、模式、实践和算法交易 fxsaber, 2023.09.13 19:28 一般来说,我们已经可以讨论代码层面的东西了。 本来是要讨论模板的。让我们通过。 СанСаныч Фоменко 2023.09.14 15:03 #32430 在 ONNX 中,输入数据是向量和矩阵。 对于现成模型的预测,也许可以利用这些特征(矩阵只有一种数据类型,这限制了预测器的选择),但训练 µl 模型是不可能的:任何原始模型都有大量不同的输入参数。 例如,不可能将 RF 驱动到矩阵中: randomForest( x, y=NULL, xtest=NULL, ytest=NULL、 ntree=500、 mtry=if (! is.null( y) && ! is.factor(y)) max( floor( ncol( x)/3), 1) else floor( sqrt( ncol( x)))、 权重=NULL、 replace=TRUE、 classwt=NULL、 cutoff、 strata、 sampsize= if ( replace) nrow( x) else ceiling(.632*nrow( x))、 nodesize= if (! is.null( y) && ! is.factor( y)) 5 else 1、 maxnodes= NULL、 importance=FALSE、 localImp=FALSE、 nPerm=1、 proximity、 oob.prox=proximity、 norm.votes=TRUE、 do.trace=FALSE、 keep.forest=! is.null( y) && is.null( xtest), c orr.bias=FALSE, keep.inbag=FALSE, ...) 因此,只需在 python 中进行训练、测试和其他乐趣,然后转换加载到 µl 中,并由测试人员在 EA 中进行检查。目前还不清楚如何以及在哪里准备用于 µl 测试的预测器,是在 µl 中编写代码,还是转向 python 并从中获取预测器用于预测....,即使如此,这些预测器也与训练模型时使用的预测器相同。 Machine learning in trading: 机器学习模型的变量评估和选择 采用栈式 RBM 的深度神经网络。自训练, 自控制 1...323632373238323932403241324232433244324532463247324832493250...3399 新评论 您错过了交易机会: 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符(不带空格) 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号,请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置,否则您将无法登录。 忘记您的登录名/密码? 使用 Google 登录
检查标准 MA 上的模式,只检查刻度线。
...
工作模式。仍不清楚的是: onnx 信号如何进入这个工作模板?
还不清楚:onnx 信号如何进入该工作模板?
通过您对该函数主体的变体。
交易、自动交易系统和交易策略测试论坛
交易中的机器学习:理论、模型、实践和算法交易
fxsaber, 2023.09.13 19:28
每个刻度都是输入 - 输出是 ONNX 对交易信号的决定。
上面显示了这样一个函数主体的变体。在 ONNX 的情况下,连接自己的 model.onnx。
EA 模板保持不变。
通过其身体变体实现这一功能。
每个刻度线都是输入 - 输出是 ONNX 关于交易信号的决定。
该函数的主体变体如上图所示。在 ONNX 的情况下,连接其自身的 model.onnx。
EA 模板保持不变。
即该函数的主体应实现本页上 MQL5 帮助中指定的函数 -https://www.mql5.com/ru/docs/onnx?
即该函数的主体应实现本页上 MQL5 帮助中指定的函数 -https://www.mql5.com/ru/docs/onnx?
即该函数的主体应实现本页上 MQL5 帮助中指定的函数 -https://www.mql5.com/ru/docs/onnx?
是这样的
差不多吧。
不知何故,它一直在谈论神经网络。
但这里 列出了一个 转换器
微软 的 ONNXMLTools可以将模型转换为 ONNX 格式。
它能转换以下模型
转换为 ONNX 格式(ONNXMLTools)
通过 ONNXMLTools,您可以将各种机器学习工具包中的模型转换为ONNX 格式。
GitHub 上的 ONNXMLTools代码库 提供了安装和使用说明。
技术支持
目前支持以下工具包:
此列表中的非神经网络比神经网络多得多
因为最终模板本身可能比原始模板更难处理接收到的交易信号。
交易、自动交易系统和交易策略测试论坛。
交易中的机器学习:理论、模式、实践和算法交易
fxsaber, 2023.09.13 19:28
一般来说,我们已经可以讨论代码层面的东西了。
本来是要讨论模板的。让我们通过。
在 ONNX 中,输入数据是向量和矩阵。
对于现成模型的预测,也许可以利用这些特征(矩阵只有一种数据类型,这限制了预测器的选择),但训练 µl 模型是不可能的:任何原始模型都有大量不同的输入参数。
例如,不可能将 RF 驱动到矩阵中:
因此,只需在 python 中进行训练、测试和其他乐趣,然后转换加载到 µl 中,并由测试人员在 EA 中进行检查。目前还不清楚如何以及在哪里准备用于 µl 测试的预测器,是在 µl 中编写代码,还是转向 python 并从中获取预测器用于预测....,即使如此,这些预测器也与训练模型时使用的预测器相同。