DocumentationSections
Référence MQL5Méthodes sur les Matrices et les VecteursMachine learningRegressionMetric 

RegressionMetric

Calcule une métrique de régression pour évaluer la qualité des données prédites par rapport aux données réelles

double vector::RegressionMetric(
   const vector&           vector_true,   // vecteur de valeurs vraies
   ENUM_REGRESSION_METRIC  metric         // type de la métrique
   );
 
double matrix::RegressionMetric(
   const matrix&           matrix_true,   // matrice de valeurs vraies
   ENUM_REGRESSION_METRIC  metric         // type de la métrique
);
 
vector matrix::RegressionMetric(
   const matrix&           matrix_true,   // matrice de valeurs vraies
   ENUM_REGRESSION_METRIC  metric,        // type de la métrique
   int                     axis           // axe
   );

Paramètres

vector_true/matrix_true

[in]  Vecteur ou matrice de valeurs vraies.

metric

[dans]  Type de métrique de l'énumération ENUM_REGRESSION_METRIC.

axis

[in]  Axe. 0 – axe horizontal, 1 – axe vertical.

Valeur de Retour

La métrique calculée qui évalue la qualité des données prédites par rapport aux données réelles.

Note

  • REGRESSION_MAE – erreur absolue moyenne qui représente les différences absolues entre les valeurs prédites et les valeurs vraies correspondantes
  • REGRESSION_MSE – erreur quadratique moyenne qui représente les différences au carré entre les valeurs prédites et les valeurs vraies correspondantes
  • REGRESSION_RMSE – racine carrée de MSE
  • REGRESSION_R2 - 1 – MSE(régression) / MSE(moyenne)
  • REGRESSION_MAPE – MAE sous forme de pourcentage
  • REGRESSION_MSPE – MSE sous forme de pourcentage
  • REGRESSION_RMSLE – RMSE calculé sur une échelle logarithmique

Exemple :

   vector y_true = {3, -0.5, 2, 7};
   vector y_pred = {2.5, 0.0, 2, 8};
//---
   double mse=y_pred.RegressionMetric(y_true,REGRESSION_MSE);
   Print("mse=",mse);
//---
   double mae=y_pred.RegressionMetric(y_true,REGRESSION_MAE);
   Print("mae=",mae);
//---
   double r2=y_pred.RegressionMetric(y_true,REGRESSION_R2);
   Print("r2=",r2);
 
  /* Résultat
   mae=0.375
   mse=0.5
   r2=0.9486081370449679
   */