Discusión sobre el artículo "Selección de características paso a paso en MQL5"
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 Selección de características paso a paso en MQL5:
La selección tradicional de características por pasos es una técnica que se utiliza para identificar un subconjunto óptimo de variables de un grupo más amplio de características candidatas para una tarea de aprendizaje automático. Este proceso comienza evaluando cada característica candidata individualmente para seleccionar la variable más prometedora para su inclusión en el modelo final. Posteriormente, se evalúan otros candidatos para comprobar su contribución en combinación con los ya elegidos, y así sucesivamente hasta alcanzar un nivel objetivo de rendimiento predictivo o de clasificación.
En este artículo, examinamos las limitaciones de la selección de características paso a paso convencional, como su potencial de sobreajuste y sus desafíos para capturar interacciones entre características. Luego presentamos un algoritmo mejorado diseñado para abordar estos problemas, implementado en MQL5, que proporciona una integración flexible con varios métodos de aprendizaje supervisado.
Este enfoque mejorado fue desarrollado por Timothy Masters y descrito en su libro 'Modern Data Mining Algorithms in C++ and CUDA C'. Finalmente, mostramos la aplicación práctica del algoritmo al usarlo para seleccionar variables óptimas para una tarea de regresión de muestra, ilustrando su efectividad.
Autor: Francis Dube