Diskussion zum Artikel "Gaußsche Prozesse für maschinellen Lernen (Teil 2): Implementierung und Testen eines Klassifizierungsmodells in MQL5"

[MetaQuotes]

Neuer Artikel Gaußsche Prozesse für maschinellen Lernen (Teil 2): Implementierung und Testen eines Klassifizierungsmodells in MQL5 :

In diesem Abschnitt betrachten wir die Implementierung der wichtigsten Schnittstellen der Bibliothek für Gaußsche Prozesse in MQL5: IKernel, ILikelihood und IInference. Wir werden auch deren Funktionsweise an synthetischen Daten demonstrieren und Indikatoren für Klassifizierung und Regression implementieren und ihre Funktionsweise im Online-Modus demonstrieren – mit erneutem Training des Modells bei jeder neuen Bar.

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

[cemal]

Hallo,

Könnten Sie vielleicht ein Beispiel geben und zeigen, wie man die Varianz einer Preisreihe mit Ihrem GP-Regressor mit radialer Basisfunktion anpasst, wie in der beigefügten Abbildung dargestellt, anstatt t+1 usw. vorherzusagen?

[Evgeniy Chernish]

cemal #:
Guten Tag,

Könnten Sie bitte ein Beispiel anführen und zeigen, wie man die Varianz einer Preisreihe mit Hilfe Ihres GP-Regressors mit radialer Basisfunktion anpasst, wie auf dem beigefügten Bild dargestellt, anstatt eine Prognose für t+1 usw. zu erstellen?

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.

[cemal]

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?

[Evgeniy Chernish]

cemal #:

Vielen Dank, das ist sehr nett von Ihnen.

Ist es möglich, Regressionsmodelle auf Basis von Gauß-Prozessen im Online-Modus zu trainieren, damit sie sich in Echtzeit an den Mittelwert und die Varianz der Daten anpassen können?

Ja, natürlich, genau das macht das Skript „GPRegressor.mq5“.