기고글 토론 "데이터 과학 및 기계 학습(파트 01): 선형 회귀"
이 주제에 대한 기사 시리즈를 기다리고 있었습니다!
Omega J Msigwa 다중 회귀 계산에서 실수를했습니다. 현재 콘텐츠 업데이트 작업 중이므로 다중 회귀 세션에서 모델을 고려하지 마십시오.
최고의 안부
이 문서 https://www.mql5.com/ko/articles/10928 에서 다중 회귀를 확인하세요 .
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.
안녕하세요,
총_데이터가 744로 설정된 이유를 물어봐도 되나요? 왜 744인가요?
새로운 기고글 데이터 과학 및 기계 학습(파트 01): 선형 회귀 가 게재되었습니다:
이제 우리는 트레이더로서 우리의 시스템과 우리 자신이 숫자가 나타내는 것에 따라 결정을 내리도록 훈련해야 할 때입니다. 우리의 눈과 우리의 직감이 우리에게 확신을 주는 것이 아닙니다. 세상은 그렇게 흘러 가는 것이니 파도의 방향에 맞서 봅시다.
단순 선형 회귀에는 하나의 종속 변수와 하나의 독립 변수가 있습니다. 여기에서 우리는 예를 들어 단순 이동 평균의 변화에 따라 주가가 어떻게 변하는지와 같은 두 변수 간의 관계를 이해해보고자 합니다.
복잡한 데이터
주가에 대해 그려질 때 무작위로 흩어져 있는 지표 값이 있다고 가정합니다(실생활에서 일어나는 일과 같이).
이 경우 지표/독립 변수는 주가/종속 변수에 대한 좋은 예측 변수가 아닐 수 있습니다.
작성자: Omega J Msigwa