文章 "您应当知道的 MQL5 向导技术（第 31 部分）：选择损失函数" 新评论 MetaQuotes 2025.05.05 10:14 新文章 您应当知道的 MQL5 向导技术（第 31 部分）：选择损失函数已发布： 损失函数是机器学习算法的关键量值，即量化给定参数集相比预期目标的性能来为训练过程提供反馈。我们在 MQL5 自定义向导类中探索该函数的各种格式。 MQL5 向导可当作广泛思路的试验温床，正如我们在本系列中到目前为止所涵盖的那样。每次相隔一段时间，就会展示一个自定义信号，其具有多种实现方式。我们在 2 篇关于学习率、以及最后一篇关于批量归一化的文章中视察过该场景。正如所论，机器学习中的每一个层面都呈现出不止一个潜在的自定义信号。损失，同样由于拥有多种格式，也处于类似状况。 将测试运行结果与其目标进行比较的方式并非只有单一方法。如果我们研究 MQL5 中 ENUM_LOSS_FUNCTION 枚举中可用的项，它们是 14 个，甚至列举并不详尽。这是否意味着它们每个都能提供独有的机器学习训练方式？大概不是，但重点是有差异，一些细微差别，这些差异往往意味着您需要根据正在训练的网络、或算法的性质仔细选择损失函数。 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 您应当知道的 MQL5 向导技术（第 31 部分）：选择损失函数已发布：
MQL5 向导可当作广泛思路的试验温床，正如我们在本系列中到目前为止所涵盖的那样。每次相隔一段时间，就会展示一个自定义信号，其具有多种实现方式。我们在 2 篇关于学习率、以及最后一篇关于批量归一化的文章中视察过该场景。正如所论，机器学习中的每一个层面都呈现出不止一个潜在的自定义信号。损失，同样由于拥有多种格式，也处于类似状况。
将测试运行结果与其目标进行比较的方式并非只有单一方法。如果我们研究 MQL5 中 ENUM_LOSS_FUNCTION 枚举中可用的项，它们是 14 个，甚至列举并不详尽。这是否意味着它们每个都能提供独有的机器学习训练方式？大概不是，但重点是有差异，一些细微差别，这些差异往往意味着您需要根据正在训练的网络、或算法的性质仔细选择损失函数。
作者：Stephen Njuki