ONNX(Open Neural Network eXchange)는 신경망을 위해 만들어진 개방형 형식입니다. 이 글에서는 하나의 Expert Advisor에서 두 개의 ONNX 모델을 동시에 사용하는 방법을 소개하겠습니다.
안정적인 트레이딩을 위해서는 일반적으로 거래하는 상품과 트레이딩 전략을 다양화할 것을 권장합니다. 머신 러닝 모델도 마찬가지입니다: 하나의 복잡한 모델보다 여러 개의 간단한 모델을 만드는 것이 더 쉽습니다. 하지만 이러한 모델을 하나의 ONNX 모델로 조립하는 것은 어려운 작업입니다.
그러나 하나의 MQL5 프로그램에서 학습된 여러 ONNX 모델을 결합할 수 있습니다. 이 글에서는 투표 분류기라는 앙상블 중 하나를 살펴볼 것입니다. 이러한 앙상블을 구현하는 것이 얼마나 쉬운지 보여드리겠습니다.
첫 번째 모델 테스트 결과
이제 두 번째 모델을 테스트해 보겠습니다. 두 번째 모델 테스트 결과는 다음과 같습니다.
두 번째 모델은 첫 번째 모델보다 훨씬 더 강력한 것으로 밝혀졌습니다. 결과는 약한 모델들을 조합해야 한다는 이론을 확인시켜줍니다. 그러나 이 글은 앙상블 이론에 대한 것이 아니라 실제의 적용에 대한 글입니다.
새로운 기고글 MQL5에서 ONNX 모델을 앙상블하는 방법의 예시 가 게재되었습니다:
ONNX(Open Neural Network eXchange)는 신경망을 위해 만들어진 개방형 형식입니다. 이 글에서는 하나의 Expert Advisor에서 두 개의 ONNX 모델을 동시에 사용하는 방법을 소개하겠습니다.
안정적인 트레이딩을 위해서는 일반적으로 거래하는 상품과 트레이딩 전략을 다양화할 것을 권장합니다. 머신 러닝 모델도 마찬가지입니다: 하나의 복잡한 모델보다 여러 개의 간단한 모델을 만드는 것이 더 쉽습니다. 하지만 이러한 모델을 하나의 ONNX 모델로 조립하는 것은 어려운 작업입니다.
그러나 하나의 MQL5 프로그램에서 학습된 여러 ONNX 모델을 결합할 수 있습니다. 이 글에서는 투표 분류기라는 앙상블 중 하나를 살펴볼 것입니다. 이러한 앙상블을 구현하는 것이 얼마나 쉬운지 보여드리겠습니다.
첫 번째 모델 테스트 결과
이제 두 번째 모델을 테스트해 보겠습니다. 두 번째 모델 테스트 결과는 다음과 같습니다.
두 번째 모델은 첫 번째 모델보다 훨씬 더 강력한 것으로 밝혀졌습니다. 결과는 약한 모델들을 조합해야 한다는 이론을 확인시켜줍니다. 그러나 이 글은 앙상블 이론에 대한 것이 아니라 실제의 적용에 대한 글입니다.
작성자: MetaQuotes