Обсуждение статьи "Гауссовcкие процессы в машинном обучении (Часть 2): Реализация и тестирование модели классификации в MQL5"

[MetaQuotes]

Опубликована статья Гауссовcкие процессы в машинном обучении (Часть 2): Реализация и тестирование модели классификации в MQL5:

В этой части мы рассмотрим реализацию ключевых интерфейсов библиотеки Гауссовских процессов на MQL5 — IKernel, ILikelihood и IInference. Также мы продемонстрируем её работу на синтетических данных и и напишем индикаторы для классификации и регрессии, демонстрирующие её работу в онлайн-режиме — с переобучением модели на каждом новом баре.

В предыдущей статье мы познакомились с теоретическими основами байесовской модели машинного обучения — Гауссовскими Процессами, а также приступили к созданию библиотеки ГП в MQL5, описав два ключевых класса: GaussianProcess и GPOptimizationObjective.

Сегодня мы завершим построение библиотеки, подробно рассмотрев реализацию ключевых интерфейсов: IKernel, ILikelihood и IInference. После этого мы протестируем библиотеку на синтетических данных и напишем индикаторы для классификации и регрессии, демонстрирующие её работу в онлайн-режиме — с переобучением модели на каждом новом баре.

Автор: Evgeniy Chernish

[cemal]

Здравствуйте,

Не могли бы вы привести пример и показать, как подгонять дисперсию ценового ряда с помощью вашего регрессора GP с радиальной базисной функцией, как на приложенном изображении, вместо прогнозирования t+1 и т. д.?

[Evgeniy Chernish]

cemal #:
Здравствуйте,

Не могли бы вы привести пример и показать, как подгонять дисперсию ценового ряда с помощью вашего регрессора GP с радиальной базисной функцией, как на приложенном изображении, вместо прогнозирования t+1 и т. д.?

День добрый!

Так вы хотите? 

Теперь отображается не прогноз на шаг вперед, а среднее и дисперсия на обучающей выборке.

[cemal]

Большое спасибо, это очень мило с вашей стороны.

Можно ли обучать модели регрессии на основе гауссовых процессов в режиме онлайн, чтобы они могли адаптироваться к среднему значению и дисперсии данных в режиме реального времени?

[Evgeniy Chernish]

cemal #:

Большое спасибо, это очень мило с вашей стороны.

Можно ли обучать модели регрессии на основе гауссовых процессов в режиме онлайн, чтобы они могли адаптироваться к среднему значению и дисперсии данных в режиме реального времени?

Да конечно, как раз это и делает скрипт GPRegressor.mq5