Diskussion zum Artikel "Datenwissenschaft und maschinelles Lernen (Teil 01): Lineare Regression"
Vielen Dank, ich habe schon auf eine Artikelserie zu diesem Thema gewartet!
Nur eine unausgegorene Meinung... Ich brauche keine Wissenschaft zu sagen, dass SMA eine sehr starke Korrelation mit dem Preis hat, es ist buchstäblich der durchschnittliche Preis! Scheint wie "Cheating" ein bisschen, um eine schöne gerade Linie in Ihren Beispielen zu erhalten, aber ich bin nicht sicher, ob es viel Wert in ihm ist. Man könnte argumentieren, dass die Korrelationskoeffizienten von nahe 1 eliminiert werden sollten, da sie wahrscheinlich direkt vom Preis abgeleitet sind und daher nicht wirklich die Richtung vorhersagen, sondern nur wiederholen, was wir bereits mit bloßem Auge auf einem Chart ohne einen einzigen Indikator sehen können.
Mir ist ein Fehler bei der Berechnung der multiplen Regression unterlaufen. Bitte beachten Sie die Modelle in der Sitzung zur multiplen Regression nicht, da ich derzeit daran arbeite, den Inhalt zu aktualisieren.
Mit freundlichen Grüßen
Meine zahlreichen Studien zeigen, dass die lineare Regression auf dem heutigen Markt kein Vorhersagepotenzial hat.
Die parabolische Regression hat noch ein gewisses Vorhersagepotenzial, aber erst, nachdem parabolische Kanäle erkannt wurden.
Aber irgendwann ist dieses Potenzial erschöpft. :((
Die parabolische Regression hat noch ein gewisses Vorhersagepotenzial, aber erst, nachdem parabolische Kanäle erkannt wurden.
Aber irgendwann ist dieses Potenzial erschöpft. :((
Omega J Msigwa multiplen Regression gemacht. Bitte beachten Sie die Modelle in der Sitzung zur multiplen Regression nicht, da ich derzeit an der Aktualisierung des Inhalts arbeite.
Mit freundlichen Grüßen
Sehen Sie sich die multiple Regression in diesem Artikel an https://www.mql5.com/de/articles/10928
Data Science and Machine Learning part 03: Matrix Regressions
- www.mql5.com
This time our models are being made by matrices, which allows flexibility while it allows us to make powerful models that can handle not only five independent variables but also many variables as long as we stay within the calculations limits of a computer, this article is going to be an interesting read, that's for sure.
Hallo!
Darf ich fragen, warum total_data auf 744 gesetzt ist? Warum 744?
Fragen Sie, wenn wir halten y_nasdag_predicted. wo jupyter Notebook
verarbeiten können
danke
verarbeiten können
danke
Dateien:
y_nasdag_predicted.png
72 kb
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Neuer Artikel Datenwissenschaft und maschinelles Lernen (Teil 01): Lineare Regression :
Es ist an der Zeit, dass wir als Händler unsere Systeme und uns selbst darauf trainieren, Entscheidungen auf der Grundlage von Zahlen zu treffen. Nicht unsere Augen oder wenn unser Bauchgefühl uns glauben macht, dass die Welt sich in diese Richtung bewegt, also lassen Sie uns senkrecht zur Richtung der Welle gehen.
Die einfache lineare Regression hat eine abhängige Variable und eine unabhängige Variable. Hier versuchen wir, die Beziehung zwischen zwei Variablen zu verstehen, z. B. wie sich ein Aktienkurs mit der Veränderung eines einfachen gleitenden Durchschnitts ändert.
Komplexe Daten
Angenommen, wir haben zufällig gestreute Indikatorwerte, die gegen den Aktienkurs gezogen werden(etwas, das im wirklichen Leben passiert)
In diesem Fall ist unser Indikator/unsere unabhängige Variable möglicherweise kein guter Prädiktor für unseren Aktienkurs/unsere abhängige Variable.
Autor: Omega J Msigwa