Diskussion zum Artikel "Deep Learning, Vorhersage und Aufträge mit Python, dem MetaTrader5 Python-Paket und ONNX-Modelldatei"
Hallo, leider ist mir ein Fehler in der Datei DeepLearningForecast_ONNX_training.py unterlaufen.
Sie müssen diese Datei verwenden
Hallo, leider ist mir ein Fehler in der Datei DeepLearningForecast_ONNX_training.py unterlaufen.
Sie müssen diese Datei verwenden
sorry, diese ist auch fehlerhaft, ich werde die py morgen erstellen und sie hier lassen.
Ich bin auch tun, eine Fortsetzung, haben Sie die richtige py auch in der Fortsetzung.
Tut mir leid, dieser hat auch Fehler, ich werde das morgen nachholen und ihn hier lassen.
Ich bin auch eine Fortsetzung zu tun, werden Sie die richtige py auch in der Fortsetzung haben.
Hier ist die .py, das ist die, die ich im nächsten Artikel verwenden werde.
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Neuer Artikel Deep Learning, Vorhersage und Aufträge mit Python, dem MetaTrader5 Python-Paket und ONNX-Modelldatei :
Im Rahmen des Projekts wird Python für Deep Learning-basierte Prognosen auf den Finanzmärkten eingesetzt. Wir werden die Feinheiten des Testens der Leistung des Modells anhand von Schlüsselkennzahlen wie dem mittleren absoluten Fehler (MAE), dem mittleren quadratischen Fehler (MSE) und dem R-Quadrat (R2) erkunden und lernen, wie man alles in eine ausführbare Datei verpackt. Wir werden auch eine ONNX-Modelldatei mit seinem EA erstellen.
Mit Hilfe der Erkenntnisse aus dem Artikel „Wie man ONNX-Modelle in MQL5 verwendet“ von MetaQuotes bin ich nun dabei, das Modell in das ONNX-Format zu konvertieren. Gemäß den im selben Artikel enthaltenen Richtlinien werde ich das resultierende ONNX-Modell in den Basis-Expert Advisor (EA) integrieren, um den Handel zu starten. Dieser Ansatz ermöglicht die nahtlose Integration von Modellen des maschinellen Lernens in die MQL5-Umgebung, wodurch die Fähigkeiten des Handelsalgorithmus verbessert werden.
Vor der Formatierung in ONNX ist es notwendig, die Daten herunterzuladen. Zu diesem Zweck verwenden wir das von mir hochgeladene Skript (ticks_to_csv). Speichern Sie es einfach im MQL5 EA-Ordner, öffnen Sie es in der IDE und kompilieren Sie es. Ziehen Sie das Skript anschließend auf einen Chart und lassen Sie es einige Zeit laufen (da es alle Ticks für ein Symbol herunterlädt, kann es eine Weile dauern). Im Journal wird eine Meldung angezeigt, wenn der Vorgang abgeschlossen ist. Als Referenz habe ich es für EUR/USD verwendet, und es hat mehrere Gigabyte belegt.
Autor: Javier Santiago Gaston De Iriarte Cabrera