文章 "数据科学和机器学习（第 13 部分）：配合主成分分析（PCA）改善您的金融市场分析" 新评论 MetaQuotes 2023.08.11 05:56 新文章 数据科学和机器学习（第 13 部分）：配合主成分分析（PCA）改善您的金融市场分析已发布： 运用主成分分析（PCA）彻底革新您的金融市场分析！ 发现这种强大的技术如何解锁数据中隐藏的形态，揭示潜在的市场趋势，并优化您的投资策略。 在本文中，我们将探讨 PCA 如何为分析复杂的金融数据提供新的视角，揭示传统方法会错过的见解。 发掘 PCA 应用于金融市场数据如何为您带来竞争优势，并帮助您保持领先地位。 主成分分析（PCA）是一种降维方法，通常用于降低大型数据集的维数，具体就是将大型变量集转换为仍然包含大型数据集中大部分信息的较小变量集。 减少数据集中变量的数量通常以牺牲准确度为代价，但降维的诀窍就是牺牲很少的准确度来换取简单性。 您我都知道，数据集中的一些变量更容易探索、可视化，并令机器学习算法的分析数据变得更加容易和快捷。 我个人并不认为牺牲准确度来换取交易简单是一件坏事，因为我们身处交易领域。 准确度并不一定意味着盈利。 PCA 的主要思想在核心上非常简单：减少数据集中的变量数量，同时保留尽可能多的信息。 我们来看一下主成分分析算法中涉及的步骤。 作者：Omega J Msigwa 新评论 原因: 取消 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 数据科学和机器学习（第 13 部分）：配合主成分分析（PCA）改善您的金融市场分析已发布：
运用主成分分析（PCA）彻底革新您的金融市场分析！ 发现这种强大的技术如何解锁数据中隐藏的形态，揭示潜在的市场趋势，并优化您的投资策略。 在本文中，我们将探讨 PCA 如何为分析复杂的金融数据提供新的视角，揭示传统方法会错过的见解。 发掘 PCA 应用于金融市场数据如何为您带来竞争优势，并帮助您保持领先地位。
主成分分析（PCA）是一种降维方法，通常用于降低大型数据集的维数，具体就是将大型变量集转换为仍然包含大型数据集中大部分信息的较小变量集。
减少数据集中变量的数量通常以牺牲准确度为代价，但降维的诀窍就是牺牲很少的准确度来换取简单性。 您我都知道，数据集中的一些变量更容易探索、可视化，并令机器学习算法的分析数据变得更加容易和快捷。 我个人并不认为牺牲准确度来换取交易简单是一件坏事，因为我们身处交易领域。 准确度并不一定意味着盈利。
PCA 的主要思想在核心上非常简单：减少数据集中的变量数量，同时保留尽可能多的信息。 我们来看一下主成分分析算法中涉及的步骤。
作者：Omega J Msigwa