文章 "一种采用纯MQL5语言实现的基于能量学习的特征选择算法"

新评论
 

新文章 一种采用纯MQL5语言实现的基于能量学习的特征选择算法已发布：

本文介绍了一种在学术论文《FREL：一种稳定的特征选择算法》中描述的特征选择算法的实现，该算法被称为基于正则化能量的特征加权学习。

在算法交易的领域中，机器学习的广泛应用，促使数据挖掘技术被用来发掘金融数据中的隐藏模式。在这一背景下，从业人员经常面临挑战，即如何从众多变量中筛选出最有可能对实现特定目标或解决特定问题有用的变量。本文探讨了特征选择算法的实现，该算法旨在评估一组候选变量在给定预测任务中的相关性。

Yun Li, Jennie Si, Guojing Zhou, Shasha Huang, and Songcan Chen共同撰写了一篇题为 《FREL：一种稳定的特征选择算法》的研究论文。该论文介绍了一种名为基于正则化能量的特征加权学习（FREL）的算法，该算法作为一种特征选择或加权技术，旨在同时提供准确性和稳定性。在我们的讨论中，我们概述了基于正则化能量的学习和特征加权的理论基础。此外，我们还通过一个MQL5程序示例（编写为脚本），说明了所提出方法的有效性，以此突出该方法作为特征选择工具的潜力。




作者：Francis Dube

新评论