Обсуждение статьи "Алгоритм выбора признаков с использованием энергетического обучения на чистом MQL5"

[MetaQuotes]

Опубликована статья Алгоритм выбора признаков с использованием энергетического обучения на чистом MQL5:

Статья представляет реализацию алгоритма выбора признаков, описанного в научной работе "FREL: Стабильный алгоритм выбора признаков" (FREL: A stable feature selection algorithm). Сам алгоритм называется "Взвешивание признаков как регуляризованное обучение на основе энергии" (Feature weighting as regularized energy based learning).

Широкое использование машинного обучения в алгоритмической торговле привело к внедрению методов интеллектуального анализа данных для выявления скрытых закономерностей в финансовых данных. Исследователи часто сталкиваются с проблемой сортировки многочисленных переменных при определении тех из них, которые с наибольшей вероятностью окажутся полезными для достижения конкретных целей или решения конкретных проблем. В этой статье мы рассмотрим реализацию алгоритма выбора признаков, направленного на оценку релевантности набора потенциальных переменных для задачи прогнозирования.

Юн Ли, Дженни Си, Гоцзин Чжоу, Шаша Хуан и Сонгкан Чен стали соавторами исследовательской работы под названием "FREL: Стабильный алгоритм выбора признаков" (FREL: A Stable Feature Selection Algorithm). В работе представлен алгоритм под названием "Взвешивание признаков как регуляризованное обучение на основе энергии" (Feature Weighting as Regularized Energy-Based Learning, FREL), который служит в качестве метода отбора признаков или взвешивания, призванного обеспечить как точность, так и стабильность. Мы дадим обзор теоретических основ регуляризованного обучения на основе энергии и взвешивания признаков. Кроме того, мы проиллюстрируем эффективность предлагаемого подхода, реализовав пример MQL5-программы, созданной в виде скрипта, чтобы подчеркнуть потенциал метода как инструмента для выбора признаков.

Автор: Francis Dube