Bei der Regression geht es um die Prognose eines realen Wertes anhand eines unbekannten Beispiels. Die so genannten Regressionsmetriken werden verwendet, um die Genauigkeit der Vorhersagen des Regressionsmodells zu bewerten.
Bei der Regression geht es um die Prognose eines realen Wertes anhand eines unbekannten Beispiels. Ein typisches Beispiel für eine Regression ist die Schätzung des Wertes eines Diamanten anhand von Merkmalen wie Größe, Gewicht, Farbe, Reinheit usw.
Die so genannten Regressionsmetriken werden verwendet, um die Genauigkeit der Vorhersagen des Regressionsmodells zu bewerten. Trotz ähnlicher Algorithmen unterscheiden sich die Regressionsmetriken semantisch von den ähnlichen Verlustfunktionen. Es ist wichtig, den Unterschied zwischen ihnen zu verstehen. Sie kann wie folgt formuliert werden:
Die Verlustfunktion entsteht in dem Moment, in dem wir das Problem der Erstellung eines Modells auf ein Optimierungsproblem reduzieren. In der Regel wird verlangt, dass sie gute Eigenschaften hat (z. B. Differenzierbarkeit).
Eine Metrik ist ein externes, objektives Qualitätskriterium, das in der Regel nicht von den Modellparametern, sondern nur von den prognostizierten Werten abhängt.
Die Sprache MQL5 verfügt über die folgenden Metriken:
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Erlauben Sie die Verwendung von Cookies, um sich auf der Website MQL5.com anzumelden.
Bitte aktivieren Sie die notwendige Einstellung in Ihrem Browser, da Sie sich sonst nicht einloggen können.
Sie sind angemeldet. Die Zwei-Faktor-Authentifizierung wurde deaktiviert. Richten Sie sie erneut ein und scannen Sie einen neuen QR-Code oder fahren Sie mit deaktivierter Zwei-Faktor-Authentifizierung fort.
Neuer Artikel Bewertung von ONNX-Modellen anhand von Regressionsmetriken :
Bei der Regression geht es um die Prognose eines realen Wertes anhand eines unbekannten Beispiels. Die so genannten Regressionsmetriken werden verwendet, um die Genauigkeit der Vorhersagen des Regressionsmodells zu bewerten.
Bei der Regression geht es um die Prognose eines realen Wertes anhand eines unbekannten Beispiels. Ein typisches Beispiel für eine Regression ist die Schätzung des Wertes eines Diamanten anhand von Merkmalen wie Größe, Gewicht, Farbe, Reinheit usw.
Die so genannten Regressionsmetriken werden verwendet, um die Genauigkeit der Vorhersagen des Regressionsmodells zu bewerten. Trotz ähnlicher Algorithmen unterscheiden sich die Regressionsmetriken semantisch von den ähnlichen Verlustfunktionen. Es ist wichtig, den Unterschied zwischen ihnen zu verstehen. Sie kann wie folgt formuliert werden:
Die Verlustfunktion entsteht in dem Moment, in dem wir das Problem der Erstellung eines Modells auf ein Optimierungsproblem reduzieren. In der Regel wird verlangt, dass sie gute Eigenschaften hat (z. B. Differenzierbarkeit).
Eine Metrik ist ein externes, objektives Qualitätskriterium, das in der Regel nicht von den Modellparametern, sondern nur von den prognostizierten Werten abhängt.
Die Sprache MQL5 verfügt über die folgenden Metriken:
Autor: MetaQuotes