文章 "Python、ONNX 和 MetaTrader 5：利用 RobustScaler 和 PolynomialFeatures 数据预处理创建 RandomForest 模型" 新评论 MetaQuotes 2024.07.16 10:15 新文章 Python、ONNX 和 MetaTrader 5：利用 RobustScaler 和 PolynomialFeatures 数据预处理创建 RandomForest 模型已发布： 在本文中，我们将用 Python 创建一个随机森林（random forest）模型，训练该模型，并将其保存为带有数据预处理功能的 ONNX 管道。之后，我们将在 MetaTrader 5 终端中使用该模型。 随机森林是机器学习工具包中的一个强大工具。为了更好地理解它的工作原理，让我们把它想象成一大群人聚在一起集体决策。不过，这个小组中的每个成员都是当前情况的独立分类器或预测器，而不是真实的人。在这个群体中，人是一棵决策树，能够根据某些属性做出决策。当随机森林做出决策时，它会采用民主和投票的方式：每棵树都发表自己的意见，然后根据多张选票做出决策。 随机森林广泛应用于各个领域，其灵活性使其既适用于分类问题，也适用于回归问题。在分类任务中，模型会决定当前状态属于哪个预定义的类别。例如，在金融市场，这可能意味着根据各种指标决定买入（类别1）或卖出（类别0）某项资产。 不过，在本文中，我们将重点讨论回归问题。机器学习中的回归是根据时间序列过去的数值来预测其未来数值的一种尝试。在回归中，我们的目标是预测特定的数字，而不是将对象归入特定的类别。例如，这可以是预测股票价格、预测温度或任何其他数字变量。 作者：Yevgeniy Koshtenko 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
新文章 Python、ONNX 和 MetaTrader 5：利用 RobustScaler 和 PolynomialFeatures 数据预处理创建 RandomForest 模型已发布：
在本文中，我们将用 Python 创建一个随机森林（random forest）模型，训练该模型，并将其保存为带有数据预处理功能的 ONNX 管道。之后，我们将在 MetaTrader 5 终端中使用该模型。
随机森林是机器学习工具包中的一个强大工具。为了更好地理解它的工作原理，让我们把它想象成一大群人聚在一起集体决策。不过，这个小组中的每个成员都是当前情况的独立分类器或预测器，而不是真实的人。在这个群体中，人是一棵决策树，能够根据某些属性做出决策。当随机森林做出决策时，它会采用民主和投票的方式：每棵树都发表自己的意见，然后根据多张选票做出决策。
随机森林广泛应用于各个领域，其灵活性使其既适用于分类问题，也适用于回归问题。在分类任务中，模型会决定当前状态属于哪个预定义的类别。例如，在金融市场，这可能意味着根据各种指标决定买入（类别1）或卖出（类别0）某项资产。
不过，在本文中，我们将重点讨论回归问题。机器学习中的回归是根据时间序列过去的数值来预测其未来数值的一种尝试。在回归中，我们的目标是预测特定的数字，而不是将对象归入特定的类别。例如，这可以是预测股票价格、预测温度或任何其他数字变量。
作者：Yevgeniy Koshtenko