Discussione sull’articolo "Valutazione dei modelli ONNX utilizzando metriche di regressione"
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
Il nuovo articolo Valutazione dei modelli ONNX utilizzando metriche di regressione è stato pubblicato:
La regressione ha il compito di prevedere un valore reale da un esempio non catalogato. Le cosiddette metriche di regressione vengono utilizzate per valutare l'accuratezza delle previsioni del modello di regressione.
La regressione ha il compito di prevedere un valore reale da un esempio non catalogato. Un noto esempio di regressione è la stima del valore di un diamante in base a caratteristiche quali dimensione, peso, colore, purezza, ecc.
Le cosiddette metriche di regressione vengono utilizzate per valutare l'accuratezza delle previsioni del modello di regressione. Nonostante algoritmi simili, le metriche di regressione sono semanticamente diverse dalle simili funzioni di perdita. È importante capire la differenza tra loro. Può essere formulato come segue:
La funzione di perdita sorge nel momento in cui riduciamo il problema della costruzione di un modello a un problema di ottimizzazione. Di solito è richiesto che abbia buone proprietà (ad esempio differenziabilità).
Una metrica è un criterio di qualità oggettivo esterno, che di solito non dipende dai parametri del modello, ma solo dai valori previsti.
Le caratteristiche del linguaggio MQL5 presenta le seguenti metriche:
Autore: MetaQuotes