Discussion de l'article "Évaluation des modèles ONNX à l'aide de mesures de régression"
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 Évaluation des modèles ONNX à l'aide de mesures de régression a été publié :
La régression consiste à prédire une valeur réelle à partir d'un exemple non étiqueté. Les mesures dites de régression sont utilisées pour évaluer la précision des prédictions des modèles de régression.
La régression consiste à prédire une valeur réelle à partir d'un exemple non étiqueté. Un exemple bien connu de régression est l'estimation de la valeur d'un diamant sur la base de caractéristiques telles que la taille, le poids, la couleur, la pureté, etc.
Les mesures dites de régression sont utilisées pour évaluer la précision des prédictions des modèles de régression. Malgré des algorithmes similaires, les mesures de régression sont sémantiquement différentes des fonctions de perte similaires. Il est important de comprendre la différence entre les deux. Elle peut être formulée comme suit :
La fonction de perte apparaît au moment où nous réduisons le problème de la construction d'un modèle à un problème d'optimisation. Il est généralement exigé qu'elle possède de bonnes propriétés (par exemple, la différentiabilité).
Une métrique est un critère de qualité objectif externe, qui ne dépend généralement pas des paramètres du modèle, mais uniquement des valeurs prédites.
Le langage MQL5 propose les métriques suivantes :
Auteur : MetaQuotes