MQL5-Matrixwerkzeuge für CSV-Daten und maschinelles Lernen

Zusammenfassung

Dieser Artikel stellt wiederverwendbare MQL5-Hilfsfunktionen vor, die Matrix- und Vektoroperationen erweitern, insbesondere zur Datenaufbereitung für Handelssysteme und Workflows des maschinellen Lernens. Zu den beschriebenen Funktionen gehören das Lesen numerischer oder kategorialer CSV-Daten, das Schreiben von Matrizen, die Umwandlung zwischen Arrays, Vektoren und Matrizen, das Entfernen von Zeilen oder Spalten, die Aufteilung in Trainings- und Testdaten, die Trennung von Merkmalen und Zielwerten sowie der Aufbau von Designmatrizen. Behandelt werden außerdem One-Hot- oder Label-Kodierung, das Extrahieren von Klassen, das Erzeugen zufälliger Vektoren, das Anhängen von Vektoren und das Kopieren ausgewählter Bereiche.

Beispiele zeigen CSV-Kopfzeilen, die getrennt von numerischen Matrixwerten gespeichert werden, sowie kategoriale Spalten, die vor der Übernahme in eine Matrix als ganzzahlige Labels kodiert werden. Der Artikel veranschaulicht die Operationen anhand von Beispielausgaben, stellt jedoch weder eine Handelsstrategie noch eine Modellbewertung oder Belege für eine Verbesserung der Vorhersageleistung durch die Hilfsfunktionen vor. Der Code ist eine Sammlung von Werkzeugen zur Datenverarbeitung; Nutzer müssen weiterhin Annahmen wie einheitliche CSV-Zeilenbreiten, korrekte Interpretation der Labels und eine geeignete Trennung von Trainings- und Testdaten für ihre Anwendung prüfen. Sein Hauptnutzen liegt in einer praktischen Infrastruktur zur Organisation von Eingaben für quantitative Analysen.

Kernaussagen

• CSV-Leser können numerische Daten in Matrizen laden und Spaltenüberschriften separat speichern.
• Kategoriale CSV-Spalten lassen sich für die Verwendung in Matrizen in numerische Klassenlabels umwandeln.
• Die Sammlung unterstützt Matrixumformungen, das Entfernen von Zeilen oder Spalten und die Umwandlung von Vektoren.
• Hilfsfunktionen zur Trennung von Trainings- und Testdaten sowie von Merkmalen und Zielwerten unterstützen die Aufbereitung von Modellierungsdatensätzen.
• Die Beispiele zeigen Datenmanipulation, bewerten aber kein Handelsmodell und keine Handelsstrategie.

Schlagwörter

Diese Zusammenfassung wurde vom Research-Agenten von Stratmill anhand des Originals verfasst; sie ist keine Kopie der Quelle.