文章 "使用Python和MQL5进行特征工程（第四部分）：基于UMAP回归的K线模式识别"
我希望看到这种方法取得的巨大成果
谢谢，这是一款非常有趣的应用程序。如果出现 NameError: name 'FloatTensorType' is not defined ，则需要通过 !pip install onnxmltools 安装或更新 onnixxmltools。我的数据结果与此处显示的数据大相径庭，我很想知道其他人是如何使用该代码的。
Oluwatobiloba Yusuf Bello 降维
你说得对，这正是降维，所以我才把它与 PCA 相提并论 🤜🏾🔥🤛🏾与传统的降维技术相比，UMAP 为我们提供了更多的调整参数。
linfo2 #:
谢谢，这是一款非常有趣的应用程序。如果出现 NameError: name 'FloatTensorType' is not defined ，则需要通过 !pip install onnxmltools 安装或更新 onnixxmltools。我的数据结果与此处显示的数据大相径庭，我很想知道其他人是如何使用该代码的。
嘿，尼尔。谢谢，这是一款非常有趣的应用程序。如果出现 NameError: name 'FloatTensorType' is not defined ，则需要通过 !pip install onnxmltools 安装或更新 onnixxmltools。我的数据结果与此处显示的数据大相径庭，我很想知道其他人是如何使用该代码的。
谢谢你分享这些常见问题的解决方案。
你还提出了一个重要问题。同一个符号在一个经纪商那里可能更容易建模，而在另一个经纪商那里则很难。
这部分是由于每个经纪商的数据源不同。
有些经纪商收集的是延迟极小的实时点差，有些经纪商收集的是每分钟的价格更新，有些经纪商只在价格水平发生变化时收集点差，有些经纪商则定期推断价格水平。
简而言之，预测欧元兑美元的难度取决于您选择的经纪商。
每家经纪商对同一市场提供不同的切分。
我想要 MT5 的 EA，我使用的是 exness 经纪商的产品。
新文章 使用Python和MQL5进行特征工程（第四部分）：基于UMAP回归的K线模式识别已发布：
K线模式被我们社区中的大多数算法交易者广泛应用于许多不同的交易策略和风格中。然而，我们对这些模式的理解仅限于我们已经发现的那些K线，而事实上，可能还有许多其他我们尚未意识到的、能够盈利的K线模式。由于覆盖大多数现代市场的信息量巨大，交易者很难自信地确定他们总是在市场中使用了最可靠的K线模式。
为了缓解这个问题，我们将提出一个解决方案，让计算机能够识别我们未曾意识到的新K线模式。我们提出的框架在某种程度上可以与一个大多数人应该都很熟悉的童年游戏相比较。这个游戏有不同的名字。但其基本前提是相同的。游戏要求玩家使用不包含名词本身的形容词来描述一个名词。因此，举个例子，如果给定的名词是香蕉，那么主持游戏的玩家会给他的朋友们提供最能描述香蕉的线索，比如“黄色且弯曲的”，希望读者能直观地理解这一点。
这个童年游戏在逻辑上与我们将要求计算机执行的任务相同，这样我们就能发现那些因数据集往往具有高维度而被隐藏起来的新K线模式。与我们刚刚描述的游戏类似——玩家被要求用3个或更少的词来描述一根香蕉——我们将向计算机提供包含10列描述当前K线的数据，然后要求计算机用8列或更少的“词”（嵌入）来描述原始的市场数据。这就叫做降维。
有许多读者可能已经熟知的著名降维技术，例如主成分分析（PCA）。这些技术很有帮助，因为它们引导我们的计算机专注于转换后数据最重要的方面。今天，我们将采用一种称为“统一流形逼近与投影”（UMAP）的技术。这是一个较新的算法，正如读者很快将看到的，它可以通过一种新颖的方式揭示市场数据中的非线性关系，从而为我们服务。
作者：Gamuchirai Zororo Ndawana