Все чаще в алгоритмической торговле применяется машинное обучение, благодаря чему методы интеллектуального анализа данных помогают находить скрытые паттерны в финансовых данных.
Существует проблема выбора переменных, полезных для достижения определенной цели. Представляем обзор работы "FREL: Стабильный алгоритм выбора признаков" авторов Юн Ли, Дженни Си, Гоцзин Чжоу, Шаша Хуан и Сонгкан Чен. Алгоритм FREL основан на взвешивании признаков как регуляризованном обучении на основе энергии, обеспечивая точность и стабильность.
Метод взвешенной классификации ближайших соседей повышает точность прогнозирования путем присвоения весов признакам. Энергетические модели помогают различать релевантные и нерелевантные входные переменные.
Анализируем реализацию FREL в MQL5 и ее результаты.
Читать далее...
Существует проблема выбора переменных, полезных для достижения определенной цели. Представляем обзор работы "FREL: Стабильный алгоритм выбора признаков" авторов Юн Ли, Дженни Си, Гоцзин Чжоу, Шаша Хуан и Сонгкан Чен. Алгоритм FREL основан на взвешивании признаков как регуляризованном обучении на основе энергии, обеспечивая точность и стабильность.
Метод взвешенной классификации ближайших соседей повышает точность прогнозирования путем присвоения весов признакам. Энергетические модели помогают различать релевантные и нерелевантные входные переменные.
Анализируем реализацию FREL в MQL5 и ее результаты.
Читать далее...