文章 "您应该知道的 MQL5 向导技术（第 04 部分）：线性判别分析" 新评论 MetaQuotes 2023.02.28 08:47 新文章 您应该知道的 MQL5 向导技术（第 04 部分）：线性判别分析已发布： 今天的交易者都是哲学家，几乎总是在寻找新的想法，尝试提炼它们，选择修改或丢弃它们：一个探索性的过程，肯定会花费相当的勤奋程度。 这些系列文章将提出 MQL5 向导应该是交易者在此领域努力的中流砥柱。 LDA 与 PCA 非常相似：事实上，有些人问 PCA 之后再执行 LDA 正则化（避免曲线拟合）是否有意义。 这是一个冗长的话题，也许应该改天写一篇文章。 但对于本文，二维降维方法之间的关键区别在于 PCA 试图找到整个数据集具有最大方差的轴，假设数据越分散，可分离性越大，而 LDA 试图依据分类找到将数据实际分开的轴。 所以从上图中不难看出，PCA 会给我们 LD2，而 LDA 会给我们 LD1。 这导致 PCA 和 LDA 之间的主要差异（因此 LDA 偏好）非常明显：仅仅因为特征具有高方差（离散），并不意味着它在预测类时就会更有用。 作者：Stephen Njuki 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
新文章 您应该知道的 MQL5 向导技术（第 04 部分）：线性判别分析已发布：
今天的交易者都是哲学家，几乎总是在寻找新的想法，尝试提炼它们，选择修改或丢弃它们：一个探索性的过程，肯定会花费相当的勤奋程度。 这些系列文章将提出 MQL5 向导应该是交易者在此领域努力的中流砥柱。
LDA 与 PCA 非常相似：事实上，有些人问 PCA 之后再执行 LDA 正则化（避免曲线拟合）是否有意义。 这是一个冗长的话题，也许应该改天写一篇文章。
但对于本文，二维降维方法之间的关键区别在于 PCA 试图找到整个数据集具有最大方差的轴，假设数据越分散，可分离性越大，而 LDA 试图依据分类找到将数据实际分开的轴。
所以从上图中不难看出，PCA 会给我们 LD2，而 LDA 会给我们 LD1。 这导致 PCA 和 LDA 之间的主要差异（因此 LDA 偏好）非常明显：仅仅因为特征具有高方差（离散），并不意味着它在预测类时就会更有用。
作者：Stephen Njuki