Diskussion zum Artikel "Datenwissenschaft und ML (Teil 33): Pandas Dataframe in MQL5, Vereinfachung der Datensammlung für ML-Nutzung"
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Neuer Artikel Datenwissenschaft und ML (Teil 33): Pandas Dataframe in MQL5, Vereinfachung der Datensammlung für ML-Nutzung :
Bei der Arbeit mit maschinellen Lernmodellen ist es wichtig, dass wir für alle Umgebungen die gleiche Datenstruktur, wenn nicht sogar die gleichen Werte haben: Training, Validierung und Test. Mit der Unterstützung der Modelle von Open Neural Network Exchange (ONNX) in MQL5 und MetaTrader 5 haben wir heute die Möglichkeit, außerhalb trainierte Modelle in die MQL5-Sprache zu importieren und für Handelszwecke zu verwenden.
Da die meisten Nutzer Python für das Training dieser Modelle der künstlichen Intelligenz (KI) verwenden, die dann in MetaTrader 5 durch MQL5-Code eingesetzt werden, kann es einen großen Unterschied in der Art und Weise geben, wie die Daten organisiert sind, und oft können sogar die Werte innerhalb der gleichen Datenstruktur leicht unterschiedlich sein, was auf den Unterschied in den beiden Technologien zurückzuführen ist.
In diesem Artikel werden wir die in der Sprache Python verfügbare Bibliothek Pandas nachbilden. Es ist eine der beliebtesten Bibliotheken, die vor allem bei der Arbeit mit großen Datenmengen nützlich ist.
Da diese Bibliothek von Datenwissenschaftlern verwendet wird, um Daten für das Training von ML-Modellen vorzubereiten und zu bearbeiten, wollen wir durch die Nutzung ihrer Fähigkeiten den gleichen Datenspielplatz in MQL5 wie in Python haben.
Autor: Omega J Msigwa