文章 "数据科学与机器学习（第 01 部分）：线性回归"

新评论
 

新文章 数据科学与机器学习（第 01 部分）：线性回归已发布：

我们作为交易员，现在是时候基于数字所言来培训我们的系统，并自行制定决策了。 尽管我们的眼睛看不到，但我们的勇气让我们相信，这是世界前进的方向，所以，让我们顶着波浪的方向移动。

简单线性回归有一个因变量和一个自变量。 在此，我们尝试理解两个变量之间的关系，例如，股票价格如何随简单移动平均线的变化而变化。

复杂数据

假设我们根据股票价格（现实生活中发生的事情）得到随机散状指标值

（股价与指标读数的散状点图）

在这种情况下，我们的指标/自变量可能无法很好地预测我们的股价/因变量。

作者：Omega J Msigwa

[删除]  
非常感谢，我一直在等待关于这个主题的系列文章！
 
Max Brown #:
非常感谢，我一直在等待关于这个主题的系列文章！
很好，这个系列文章还有很多内容要写
 
这只是一个无知的观点...我不需要科学知识就能知道 SMA 与价格有很强的相关性，它就是平均价格！在你的例子中，为了得到一条漂亮的直线，似乎有点 "作弊"，但我不确定这样做是否有价值。有一种观点认为，应该剔除接近 1 的相关系数值，因为它们可能是直接从价格中得出的，因此并不能真正预测方向，而只是重复了我们在没有单一指标的图表上用肉眼就能看到的东西。
 

我在多元回归 计算中犯了一个错误，请不要考虑多元回归会话中的模型，因为我目前正在更新内容。

致以最诚挚的问候

 
抛物线回归 仍有一定的预测潜力，但前提是抛物线通道已被确认。
但这种潜力终有枯竭的一天。 :(()
 
Omega J Msigwa 多元回归 计算中犯了一个错误，请不要考虑多元回归会话中的模型，因为我目前正在更新内容

致以最诚挚的问候

查看本文中的多元回归https://www.mql5.com/zh/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.
 

你好、

请问 total_data 为什么设置为 744？为什么是 744？

 
Satoshi Asakura #:

你好、

请问 total_data 为什么设置为 744？为什么是 744？

744/24 小时 == 31 天，实际上没有什么原因，你可以随意选择数据集的大小。

 
问我们是否保留 y_nasdag_predicted。在哪里制作 jupyter 笔记本
可以处理
谢谢
附加的文件：
y_nasdag_predicted.png  72 kb
 
anan seti #:
请问如果我们保留 y_nasdag_predicted。在哪里制作 jupyter Notebook 可以处理 ，谢谢。

你能解释一下吗？

12
新评论