DocumentazioneSezioni
MQL5 RiferimentoMetodi Matriciali e VettorialiMachine learningRegressionMetric 

RegressionMetric

Calcola la metrica di regressione per valutare la qualità dei dati previsti rispetto ai dati reali

double vector::RegressionMetric(
   const vector&           vector_true,   // vettore di valori reali
   ENUM_REGRESSION_METRIC  metric         // tipo di metrica
   );
 
double matrix::RegressionMetric(
   const matrix&           matrix_true,   // matrice di valori reali
   ENUM_REGRESSION_METRIC  metric         // tipo di metrica
);
 
vector matrix::RegressionMetric(
   const matrix&           matrix_true,   // matrice di valori reali
   ENUM_REGRESSION_METRIC  metric,        // tipo di metrica
   int                     axis           // asse
   );

Parametri

vector_true/matrix_true

[in]  Vettore o matrice di valori reali.

metric

[in] Tipo di metrica dell'enumerazione ENUM_REGRESSION_METRIC.

axis

[in]  Asse. 0 — asse orizzontale, 1 — asse verticale.

Valore Restituito

La metrica calcolata che valuta la qualità dei dati previsti rispetto ai dati reali.

Note

  • REGRESSION_MAE — errore assoluto medio che rappresenta le differenze assolute tra i valori predetti e i valori reali corrispondenti
  • REGRESSION_MSE — errore quadratico medio che rappresenta le differenze al quadrato tra i valori predetti e i corrispondenti valori reali
  • REGRESSION_RMSE — radice quadrata di MSE
  • REGRESSION_R2 - 1 — MSE(regressione) / MSE(media)
  • REGRESSION_MAPE — MAE come percentuale
  • REGRESSION_MSPE — MSE come percentuale
  • REGRESSION_RMSLE — RMSE calcolato su scala logaritmica

Esempio:

   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);
 
  /* Risultato
   mae=0.375
   mse=0.5
   r2=0.9486081370449679
   */