文章 "CatBoost 模型中的交叉验证和因果推理基础及导出为 ONNX 格式" - 页 2 12 新评论 Maxim Dmitrievsky 2023.11.21 21:24 #11 Forester #: 不能这样颠倒顺序： 必须这样 为什么要颠倒顺序？ 我不记得为什么要这样做了......我猜是源数组的序列性问题。无论我如何通过 AsSeries true-false 翻转，得到的都是相同的模型信号。我对 MQL 的 "特殊性 "了解不多。 模型输出的设置也不太清楚，我是通过戳方法调整的。我在文章中进行了描述。 Aleksei Kuznetsov 2023.11.21 22:02 #12 Maxim Dmitrievsky #:我不记得为什么要这样做了......我想是源数组的序列化出了问题。无论我如何通过 AsSeries true-false 翻转，得到的都是相同的模型信号。我不太了解 MQL 的 "特殊性"。 对模型输出的设置也不太清楚，我是用 poke 方法调整的。我在文章中做了描述。 我认为没有必要反转（现在你输入的是一个非反转数组），因为在测试器中得到的图形与 python 中的一样。否则，分裂将无法在其芯片上工作，预测结果也将是随机的。 。 如果在创建数组后用索引填充数组，Sericity 不会有任何帮助，因为如何填充数组就是如何计算的。也许吧...我自己并不处理序列化问题。 Maxim Dmitrievsky 2023.11.21 22:08 #13 Forester #: 我认为你不需要翻转它（现在你输入的是一个未翻转的数组），因为你在测试器中得到的图形与在 python 中得到的一样。否则，分裂将无法在其芯片上工作，预测结果也将是随机的。 。 如果你在创建数组后用索引填充了数组，那么 Sericity 不会有任何帮助，因为你填充了数组，所以它也算数。 如果用特征代替 f，预测结果会不同 Aleksei Kuznetsov 2023.11.21 22:11 #14 Maxim Dmitrievsky #:如果将 f 替换为特征，就会得到不同的预测结果。 这就奇怪了。这似乎是 1 对 1 的复制。 UPD：在 OnnxRun 帮助中的示例中，特征是以矩阵形式传递的，而你的特征是以数组形式传递的，也许这就是原因？很奇怪，帮助中没有写出应有的内容。 Maxim Dmitrievsky 2023.11.21 22:13 #15 Forester #: 奇怪...这就像是 1 对 1 的复制。 没错，但模型的反应是不同的 K - -伪影，是的，你可以去除它。 Aleksei Kuznetsov 2023.11.21 22:26 #16 Maxim Dmitrievsky #:没错，模型的反应是不同的k --伪影，是的，可以去除 看到序列化设置为特征。这可能就是结果不同的原因。 Maxim Dmitrievsky 2023.11.21 22:26 #17 Forester #:奇怪...似乎是一对一复制的。 UPD：在 OnnxRun 帮助中的示例中，芯片是以矩阵形式传递的，而您的芯片是以数组形式传递的，也许这就是原因？很奇怪，帮助中没有写出应有的内容。 在 ONNX 模型中，只有数组、向量或矩阵 （ 以下简称 "数据"）可以作为输入/输出值传递 。 我想我在使用向量时也得到了错误的响应。我得再仔细检查一下，不过现在还能用。 https://www.mql5.com/zh/docs/onnx/onnx_types_autoconversion Документация по MQL5: ONNX модели / Автоконвертация данных www.mql5.com Автоконвертация данных - ONNX модели - Справочник MQL5 - Справочник по языку алгоритмического/автоматического трейдинга для MetaTrader 5 Ramirzaev 2023.12.07 12:44 #18 好文章。我听说过使用两个神经元的想法：一个预测方向，另一个预测第一个预测正确的概率。那么问题来了：你选择梯度脉冲 是因为它在这方面比神经网络更好吗？ Maxim Dmitrievsky 2023.12.08 03:23 #19 Ramirzaev 梯度脉冲 是因为它在这方面比神经网络更好吗？ 谢谢。我在我的数据集上比较了简单的 MLP、RNN、LSTM 和 bousting 的结果。我没发现有什么不同，有时bousting甚至更好。而且 Bousting 的学习速度更快，你也不用太担心架构问题。我不能说它明确地更好，因为 NS 是一种延伸，你可以构建 NS 的许多不同变体。我选择它可能是因为它的简单性，在这方面它更胜一筹。 12 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
不能这样颠倒顺序： 必须这样 为什么要颠倒顺序？
我不记得为什么要这样做了......我猜是源数组的序列性问题。无论我如何通过 AsSeries true-false 翻转，得到的都是相同的模型信号。
我对 MQL 的 "特殊性 "了解不多。
模型输出的设置也不太清楚，我是通过戳方法调整的。我在文章中进行了描述。我不记得为什么要这样做了......我想是源数组的序列化出了问题。无论我如何通过 AsSeries true-false 翻转，得到的都是相同的模型信号。
我不太了解 MQL 的 "特殊性"。
对模型输出的设置也不太清楚，我是用 poke 方法调整的。我在文章中做了描述。。
如果在创建数组后用索引填充数组，Sericity 不会有任何帮助，因为如何填充数组就是如何计算的。也许吧...我自己并不处理序列化问题。
我认为你不需要翻转它（现在你输入的是一个未翻转的数组），因为你在测试器中得到的图形与在 python 中得到的一样。否则，分裂将无法在其芯片上工作，预测结果也将是随机的。 。
如果你在创建数组后用索引填充了数组，那么 Sericity 不会有任何帮助，因为你填充了数组，所以它也算数。
如果用特征代替 f，预测结果会不同
如果将 f 替换为特征，就会得到不同的预测结果。
这就奇怪了。这似乎是 1 对 1 的复制。
UPD：在 OnnxRun 帮助中的示例中，特征是以矩阵形式传递的，而你的特征是以数组形式传递的，也许这就是原因？很奇怪，帮助中没有写出应有的内容。
奇怪...这就像是 1 对 1 的复制。
没错，但模型的反应是不同的
K - -伪影，是的，你可以去除它。
没错，模型的反应是不同的
k --伪影，是的，可以去除
看到序列化设置为特征。这可能就是结果不同的原因。
奇怪...似乎是一对一复制的。
UPD：在 OnnxRun 帮助中的示例中，芯片是以矩阵形式传递的，而您的芯片是以数组形式传递的，也许这就是原因？很奇怪，帮助中没有写出应有的内容。
在 ONNX 模型中，只有数组、向量或矩阵 （ 以下简称 "数据"）可以作为输入/输出值传递 。
我想我在使用向量时也得到了错误的响应。我得再仔细检查一下，不过现在还能用。
https://www.mql5.com/zh/docs/onnx/onnx_types_autoconversion
谢谢。我在我的数据集上比较了简单的 MLP、RNN、LSTM 和 bousting 的结果。我没发现有什么不同，有时bousting甚至更好。而且 Bousting 的学习速度更快，你也不用太担心架构问题。我不能说它明确地更好，因为 NS 是一种延伸，你可以构建 NS 的许多不同变体。我选择它可能是因为它的简单性，在这方面它更胜一筹。