Discusión sobre el artículo "Aprendizaje automático y Data Science (Parte 33): Pandas Dataframe en MQL5, recopilación de datos para facilitar el uso de ML"

[MetaQuotes]

Artículo publicado Aprendizaje automático y Data Science (Parte 33): Pandas Dataframe en MQL5, recopilación de datos para facilitar el uso de ML:

Cuando se trabaja con modelos de aprendizaje automático, es esencial garantizar la coherencia de los datos utilizados para el entrenamiento, la validación y las pruebas. En este artículo, crearemos nuestra propia versión de la biblioteca Pandas en MQL5 para garantizar un enfoque unificado para el manejo de datos de aprendizaje automático, con el fin de asegurar que se apliquen los mismos datos dentro y fuera de MQL5, donde se lleva a cabo la mayor parte del entrenamiento.

Cuando se trata de trabajar con modelos de aprendizaje automático, es esencial que tengamos la misma estructura de datos, si no los mismos valores, para todos los entornos: entrenamiento, validación y pruebas. Gracias a la compatibilidad de los modelos Open Neural Network Exchange (ONNX) con MQL5 y MetaTrader 5, hoy en día tenemos la oportunidad de importar modelos entrenados externamente al lenguaje MQL5 y utilizarlos con fines comerciales.

Dado que la mayoría de los usuarios utilizan Python para entrenar estos modelos de inteligencia artificial (IA) que luego se implementan en MetaTrader 5 a través del código MQL5, puede haber una gran diferencia en la forma en que se organizan los datos y, a menudo, incluso los valores dentro de la misma estructura de datos pueden ser ligeramente diferentes, debido a la diferencia entre las dos tecnologías.

 

En este artículo, vamos a imitar la biblioteca Pandas disponible en el lenguaje Python. Es una de las bibliotecas más populares, especialmente útil cuando se trata de trabajar con grandes cantidades de datos.

Dado que esta biblioteca es utilizada por científicos de datos para preparar y manipular datos utilizados en el entrenamiento de modelos de ML, al aprovechar su capacidad, nuestro objetivo es tener el mismo entorno de datos en MQL5 que en Python.

Autor: Omega J Msigwa