Diskussion zum Artikel "ONNX meistern: Der Game-Changer für MQL5-Händler" - Seite 2

 

@Omega J Msigwa vielen Dank für diesen Artikel. Können Sie bitte die Tutorial-Datei aktualisieren, da die letzte Version von MALE5 kein CPreprocessing hat? Falls dies nicht möglich ist, welche Version von MALE5 wurde für die Ausführung dieses Tutorials verwendet?

Ich bin mir nicht sicher, ob es eine Dokumentation für diese Bibliothek gibt.


Vielen Dank

 
amrhamed83 #:

@Omega J Msigwa vielen Dank für diesen Artikel. Können Sie bitte die Tutorial-Datei aktualisieren, da die letzte Version von MALE5 kein CPreprocessing hat? Falls dies nicht möglich ist, welche Version von MALE5 wurde für die Ausführung dieses Tutorials verwendet?

Ich bin nicht sicher, ob es eine Dokumentation für die Bibliothek gibt.


Danke

Verwenden Sie die cprecessi mg Code in diesem Artikel für alles, was mit diesem Tutorial
 
Omega J Msigwa #:
Verwenden Sie die cprecessi mg Code in diesem Artikel für alles, was mit diesem Tutorial

Ich beziehe mich auf diese Zeile :

#include <MALE5\preprocessing.mqh> // Sie weisen darauf hin, https://github.com/MegaJoctan/MALE5/blob/MQL5-ML/preprocessing.mqh zu verwenden, das keine CPreprocessing hat

CPreprocessing<vectorf, matrixf> *norm_x;

MALE5/preprocessing.mqh at MQL5-ML · MegaJoctan/MALE5
MALE5/preprocessing.mqh at MQL5-ML · MegaJoctan/MALE5
  • MegaJoctan
  • github.com
Machine Learning repository for MQL5 . Contribute to MegaJoctan/MALE5 development by creating an account on GitHub.
 

Ok verstanden, wenn das der Fall ist, ändern Sie diese Zeile in:

#include <preprocessing.mqh>

Nach dem Speichern der Datei preprocessing.mqh, die sich in dieser Zip-Datei (im Anhang des Artikels) befindet, im Ordner include.

CPreprocessing ist seit v2.0.0, der in diesem Artikel verwendeten Version, veraltet.

Rufen Sie alternativ jeden der in der Vorverarbeitungsdatei vorhandenen Skalierer anstelle von CPreprocessing auf. Angenommen, Sie verwenden MALE5 Version 3.0.0

  • RobustScaler
  • MinMaxScaler
  • StandardisierungsSkalierer

Jede Scalerklasse bietet.

fit_transform( const matrix &X)

Der den Skalierer an die Datenmatrix X anpasst und die Transformation durchführt.

transform( const matrix &X)

Der die Datenmatrix X mit Hilfe des angepassten Skalierers transformiert.

transform(const vector &X)

Die den Datenvektor X mit Hilfe des angepassten Skalierers transformiert.

Lassen Sie mich wissen, ob dies hilfreich war.

 
Muss das Python-Modell einfach sein, damit ONNX gut mit MetaTrader 5 funktioniert, oder kann ich eine hoch optimierte und komplexe Architektur verwenden?
 
big man #:
Muss das Python-Modell einfach sein, damit ONNX gut mit MetaTrader 5 funktioniert, oder kann ich eine hoch optimierte und komplexe Architektur verwenden?

MetaTrader 5 funktioniert mit Modellen jeglicher Komplexität.