記事「データサイエンスと機械学習(第01回):線形回帰」についてのディスカッション

 

新しい記事「データサイエンスと機械学習(第01回):線形回帰」はパブリッシュされました:

私たちトレーダーは、数字に基づいた判断をするよう、システムと自分自身を訓練する時期に来ています。目ではなく、直感で信じるのは、これが世界が向かっているところだということです。波の方向に垂直に移動しましょう。

単純線形回帰は、1つの従属変数と1つの独立変数を持っています。ここで理解しようとするのは、例えば単純移動平均の変化に対して株価がどのように変化するかなど、2つの変数の関係です。

複雑なデータ

株価に対して描画したときに、ランダムに散らばる指標値があるとします(現実に起こることです)

(株価vs指標値の散布図)

この場合、指標/独立変数が株価/独立変数の適切な予測因子でない可能性があります。

作者: Omega J Msigwa

 
このテーマの連載を待っていました!
 
Max Brown #:
このテーマの連載を待っていました!
この連載はまだまだ続きます。
 
ただの無学な意見ですが・・・。SMAが価格と 非常に強い相関関係があることは、科学がなくてもわかる!あなたの例では、きれいな直線を得るために少し「ズル」をしているように見えますが、そこに大きな価値があるかどうかはわかりません。1に近い相関係数は、おそらく価格から直接導出されたものであり、したがって、方向性を予測するものではなく、その代わりに、インジケータが1つもないチャート上で、素人目ですでに見ることができることを繰り返すだけであるため、排除されるべきであるという主張をすることができます。
 

重回帰の 計算でミスがありました。現在、内容の更新に取り組んでいますので、重回帰セッションのモデルを考慮しないでください。

よろしくお願いします。

 
パラボリック回帰にはまだ予測可能性があるが、それはパラボリック・チャンネルが認識された後に限られる。
しかし、この可能性が尽きる時が来るだろう。
 
Omega J Msigwa 重回帰の 計算でミスをしました。現在、内容の更新に取り組んでいますので、重回帰セッションのモデルを考慮しないでください。

よろしくお願いします。

この記事の重回帰をチェックしてくださいhttps://www.mql5.com/ja/articles/10928

Data Science and Machine Learning part 03: Matrix Regressions
Data Science and Machine Learning part 03: Matrix Regressions
  • www.mql5.com
This time our models are being made by matrices, which allows flexibility while it allows us to make powerful models that can handle not only five independent variables but also many variables as long as we stay within the calculations limits of a computer, this article is going to be an interesting read, that's for sure.
 

こんにちは、

total_dataが744に設定されているのはなぜですか?なぜ744なのですか?

 
Satoshi Asakura #:

こんにちは、

total_dataが744に設定されているのはなぜですか?なぜ744なのですか?

744/24時間=31日だからです。特に理由はありません。

 
y_nasdag_predictedを保持するかどうかを尋ねる。 jupyter Notebook
をどこで作成するか。
ありがとうございます。
ファイル:
 
anan seti #:
y_nasdag_predictedを保持しているかどうかを尋ねてください。 jupyter Notebook をどこで作れば、 を処理できますか?

どういう意味ですか?