Discussion de l'article "Science des Données et Apprentissage Automatique (partie 03) : Matrices de Régression"
MetaQuotes:
J'adore ton travail, j'ai appris une tonne de choses grâce à tes articles, pas seulement sur le codage, mais aussi sur les mathématiques et la façon dont tu expliques les choses !
Un nouvel article Data Science and Machine Learning part 03 : Matrix Regressions a été publié :
Auteur : Omega J Msigwa
تم

Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Un nouvel article Science des Données et Apprentissage Automatique (partie 03) : Matrices de Régression a été publié :
Cette fois-ci, nos modèles sont faits avec des matrices. Ceci permet une certaine flexibilité tout en nous permettant de faire des modèles puissants pouvant gérer non seulement cinq variables indépendantes mais aussi de nombreuses variables (tant que nous restons dans les limites de calcul d'un ordinateur). Cet article va être une lecture intéressante, c'est certain.
Si vous avez lu avec attention les deux articles précédents, vous remarquerez que le principal problème auquel j'étais confronté était de programmer des modèles capables de gérer un plus grand nombre de variables indépendantes, c'est-à-dire de gérer dynamiquement un plus grand nombre d'entrées. Car lorsqu'il s'agit de créer des stratégies, nous sommes amenés à traiter des centaines de données, et nous voulons donc être sûrs que nos modèles peuvent répondre à cette demande.
Matrice
Pour ceux qui ont séché les cours de mathématiques, une matrice est un tableau rectangulaire de nombres, ou d'autres objets mathématiques, disposés en lignes et en colonnes, utilisée pour représenter un objet mathématique ou une propriété de cet objet.
Par exemple :
Un éléphant dans la pièce.
Auteur : Omega J Msigwa