Discussão do artigo "Avaliando modelos ONNX usando métricas de regressão"
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Novo artigo Avaliando modelos ONNX usando métricas de regressão foi publicado:
A regressão é uma tarefa de prever um valor real a partir de um exemplo não rotulado. Para avaliar a precisão das previsões de modelos de regressão, são utilizadas as chamadas métricas de regressão.
A regressão é uma tarefa de prever um valor real a partir de um exemplo não rotulado. Um exemplo bem conhecido de regressão é estimar o valor de um diamante com base em características como tamanho, peso, cor, clareza, etc.
As chamadas métricas de regressão são usadas para avaliar a precisão das previsões de modelos de regressão. Apesar de algoritmos semelhantes, as métricas de regressão têm significados diferentes semanticamente das funções de perda semelhantes. É importante entender a diferença entre eles. Pode ser formulado da seguinte forma:
A função de perda surge no momento em que reduzimos o problema de construir um modelo a um problema de otimização. Geralmente, é necessário que ela tenha boas propriedades (por exemplo, ser diferenciável).
Uma métrica é um critério objetivo de qualidade externo, geralmente dependendo não dos parâmetros do modelo, mas apenas dos valores previstos.
A linguagem MQL5 apresenta as seguintes métricas:
Autor: MetaQuotes