Diskussion zum Artikel "Gaußsche Prozesse für maschinellen Lernen (Teil 2): Implementierung und Testen eines Klassifizierungsmodells in MQL5"
Guten Tag,
Guten Tag!
Ist es das, was Sie möchten?

Nun werden nicht mehr die Prognose für den nächsten Schritt, sondern der Mittelwert und die Streuung der Trainingsstichprobe angezeigt.
Vielen Dank, das ist sehr nett von Ihnen.
Können die Modelle der Gaußschen Prozessregression im Online-Modus trainiert werden, sodass sie sich in Echtzeit an den Mittelwert und die Varianz der Daten anpassen können?
Neuer Artikel Gaußsche Prozesse für maschinellen Lernen (Teil 2): Implementierung und Testen eines Klassifizierungsmodells in MQL5 :
Im vorherigen Artikel haben wir die theoretischen Grundlagen von Gauß-Prozessen als bayesschem Machine-Learning-Modell kennengelernt und mit der Erstellung einer GP-Bibliothek in MQL5 begonnen, wobei wir zwei Schlüsselklassen beschrieben haben: GaussianProcess und GPOptimizationObjective.
Hier werden wir die Bibliothek vervollständigen, indem wir uns die Implementierung der wichtigsten Schnittstellen im Detail ansehen: IKernel, ILikelihood und IInference. Danach werden wir die Bibliothek mit synthetischen Daten testen und Indikatoren für Klassifizierung und Regression schreiben und ihren Einsatz im Online-Modus – mit einem erneuten Training des Modells bei jeder neuen Bar – testen.
Autor: Evgeniy Chernish