Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 3238
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Você pode fazer isso no mesmo R, salvar o modelo e, por meio do python, no onnx, em poucas linhas
Isso se você estiver se referindo apenas ao modelo de rede neural e não a qualquer modelo como o Forest.
Embora o hgbust provavelmente também seja possível.
---------------------------------
E ele diz que você não pode converter qualquer modelo, o próprio modelo deve suportar esse formato.
--------------------------------
Portanto, a conclusão é que o ONNH é python, sem saída.
neuro, é claro).
Somente a grade final treinada pode ser colocada no arquivo onnx. Também é possível (teoricamente) colocar o pré-processamento de recursos para a grade a partir do preço inicial. Tudo junto é chamado de pipeline, e a questão é quão flexível é a possibilidade de colocar todo o pipeline em um único arquivo ONNX.
Ninguém quer realmente se aprofundar nesse tópico, pois é preciso ser muito bom em python e há pouquíssimos manuais sobre o assunto, e a IA mente, como sempre.)
Somente a grade final treinada pode ser colocada no arquivo onnx. Também é possível (teoricamente) colocar o pré-processamento de sinais para a grade a partir do preço inicial. Tudo junto é chamado de pipeline, e a questão é quão flexível é a possibilidade de colocar todo o pipeline em um único arquivo ONNX.
Ninguém quer realmente se aprofundar nesse tópico, pois é preciso ser muito bom em python e há pouquíssimos manuais sobre o assunto, e a IA mente, como sempre.)
O pré-processamento é, grosso modo, a normalização, de modo que o número de recursos não muda....
Estou me perguntando se é possível gerar novos atributos internamente, o modelo aceita uma matriz de ohlc e, dentro do formato ohlc, novos atributos já são gerados; ainda há um bom pedaço de código personalizado completo dentro....
Ainda não entendi se isso pode ser feito com pouco sangue ou não...
O pré-processamento é praticamente uma normalização, de modo que o número de recursos não muda.
Gostaria de saber se é possível gerar novos atributos internamente, o modelo aceita uma matriz de ohlc e, dentro do formato ohlc, novos atributos já são gerados; ainda há um bom pedaço de código personalizado completo dentro....
Ainda não entendi se isso pode ser feito com pouco sangue ou não...
IMHO, para um iniciante em Python, definitivamente não, para um profissional em Python - é uma questão de limites de possibilidades. Existem poucos manuais até o momento e eles contêm apenas exemplos simples.
De qualquer forma, a julgar por
http://w ww.xavierdupre.fr/app/mlprodict/helpsphinx/tutorial/onnx_numpy.html
e em
http://www.xavierdupre.fr/app/mlprodict/helpsphinx/api/npy.html#l-numpy-onnxpy
se você só precisa transferir o modelo e fazer o pipping com normalizações simples, então o onnx é bom...
mas se você precisar fazer algo personalizado, ou é AD ou não é possível...
Não sei a que tipo de operadores isso se destina...
Parece que 5 pessoas participarão do concurso. 4 delas são funcionários da metaquotes que trabalharam na integração do onnx ao metatrader.
De qualquer forma, de acordo com
http://w ww.xavierdupre.fr/app/mlprodict/helpsphinx/tutorial/onnx_numpy.html
e por
http://www.xavierdupre.fr/app/mlprodict/helpsphinx/api/npy.html#l-numpy-onnxpy
Se você só precisa transferir o modelo e fazer o pip com normalizações simples, o onnx é bom.
Mas se você precisar fazer algo personalizado, ou é AD ou não é possível....
Não sei para que tipo de operadores isso foi projetado...
Parece que 5 pessoas participarão do concurso, 4 delas são funcionários da metaquotes que trabalharam na integração com o metatrader.
Eu tenho um EA real com R, com a primeira versão da qual cheguei ao testador.
A estrutura é a seguinte:
1. Há um Expert Advisor comum no µl, com o conjunto usual de funções: trabalhar com ordens, paradas, MM..... O bloco de geração de sinais, nos exemplos de metaquotes - a interseção de dois mashes, é substituído por um apelo ao R, que envia o próximo OHLC.
2. Em termos gerais, o código do R consiste em duas partes:
2.1. converter o OHLC em um conjunto de preditores para os modelos. São centenas (ou milhares) de operadores no R com acesso a alguns pacotes (não modelos) do R.
2.2. computação real do sinal pelo modelo.
3. o sinal para negociação é transmitido de volta para o Expert Advisor: -1; 0; 1.
Voltando ao tópico, verifica-se que para usar o ONNX p.2.2 será ONNX, e no EA será necessário mover o p.2.1? Essa é uma tarefa séria para mim, pois, além dos modelos em si, são usados outros pacotes do R, cujos algoritmos terão de ser codificados em µl.
Agora há um fenômeno interessante na sociedade: a popularidade de algo do mundo científico. Portanto, o comportamento mudou: se antes a descrição científica repelia as pessoas comuns, agora, ao contrário, ela as atrai. Como consequência, para aumentar as vendas, faz sentido mencionar outros termos quase científicos, como "transformações de Fourier e Laplace". E, é claro, belas imagens/animações sobre o assunto.
Texto e imagens já são suficientes.
Voltando ao tópico, parece que, para usar o ONNX, o 2.2.2 estará no ONNX e o 2.1 terá que ser movido para o EA? Essa é uma tarefa séria para mim, pois além dos modelos em si, outros pacotes do R são usados, cujos algoritmos terão que ser codificados em µl.
Pelo que entendi, tudo é exatamente assim
--------------------------------
essa tecnologia não é para humanos...
o principal em um modelo são os atributos, não o modelo em si...
Os profissionais já estabeleceram o processo de criação de atributos e processamento de dados, eles também sabem como conectar modelos ao mercado, eles simplesmente não precisam do ONNX.
E os iniciantes nem sequer conhecem o ONNX.
Para quem isso foi criado, eu não sei em meu coração...
Para um concurso? :)