Discusión sobre el artículo "Un algoritmo de selección de características que utiliza aprendizaje basado en energía en MQL5 puro"
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Artículo publicado Un algoritmo de selección de características que utiliza aprendizaje basado en energía en MQL5 puro:
En este artículo presentamos la implementación de un algoritmo de selección de características descrito en un artículo académico titulado "FREL: Un algoritmo de selección de características estable", llamado Ponderación de características como aprendizaje regularizado basado en energía.
En el ámbito del comercio algorítmico, el uso generalizado del aprendizaje automático ha impulsado la adopción de técnicas de minería de datos para descubrir patrones ocultos en los datos financieros. En este panorama, los profesionales a menudo se enfrentan al desafío de clasificar numerosas variables para identificar aquellas que tienen más probabilidades de ser beneficiosas para lograr objetivos específicos o resolver problemas particulares. En este artículo, exploramos la implementación de un algoritmo de selección de características destinado a evaluar la relevancia de un conjunto de variables candidatas para una tarea de predicción determinada.
Yun Li, Jennie Si, Guojing Zhou, Shasha Huang y Songcan Chen fueron coautores de un artículo de investigación titulado"FREL: Un algoritmo de selección de características estable".En este artículo se presenta un algoritmo denominado "Ponderación de características como aprendizaje regularizado basado en energía" (Feature Weighting as Regularized Energy-Based Learning, FREL), que sirve como una técnica de selección o ponderación de características diseñada para ofrecer tanto precisión como estabilidad. En nuestro debate, ofrecemos una descripción general de los fundamentos teóricos del aprendizaje regularizado basado en energía y la ponderación de características. Además, ilustramos la eficacia del enfoque propuesto mediante la implementación de un programa MQL5 de ejemplo, elaborado como un script, para resaltar el potencial del método como herramienta para la selección de características.
Autor: Francis Dube