文章 "您应当知道的 MQL5 向导技术（第 33 部分）：高斯（Gaussian）进程核心" 新评论 MetaQuotes 2025.05.12 10:31 新文章 您应当知道的 MQL5 向导技术（第 33 部分）：高斯（Gaussian）进程核心已发布： 高斯（Gaussian）进程核心是正态分布的协方差函数，能够在预测中扮演角色。我们在 MQL5 的自定义信号类中探索这种独特的算法，看看它是否可当作主要入场和离场信号。 高斯过程核心是高斯过程中使用的协方差函数，用于衡量数据点之间的关系，例如在时间序列之中。这些核心生成捕获数据内部关系的矩阵，从而允许高斯过程假设数据遵循正态分布来进行投影或预测。由于本系列旨在探索新思路，同时也研究如何践行这些想法，因此高斯过程（GP）核心正在成为我们构建自定义信号的主题。 在过去的五篇文章中，我们最近涵盖了许多与机器学习相关的文章，因此在本文中，我们“稍事休息”，看一些老旧的统计数据。在系统开发的本质当中，两者通常是结合在一起的，不过当开发专门的自定义信号时，我们不会补充或考虑任何机器学习算法。GP 核心因其灵活性而备受关注。 它们可用来就各种数据模式进行建模，这些形态的关注点范围从周期性到趋势，甚至非线性关系。不过，比这更重要的是，在预测时，它们不光提供单个值。代之，它们提供一个不确定性估测值，其中包括期望值，以及上、下边界值。这些边界范围往往提供置信度评级，当凭借预测值表决时，这进一步促进了交易者的决策过程。这些置信度评级也很有洞察力，有助于在比较标有不同置信度的不同预测区间时更好地了解所交易证券。 此外，它们擅长处理噪声数据，因为它们允许将噪声值提升到创建的 K 矩阵（见下文），并且它们还有能力将先验知识纳入其中使用，而且它们具有很强的可扩展性。市面上有很多不同的核心可供选择。该列表包括（但不限于：平方指数核心（RBF），线性核心，周期性核心，有理二次核心，母子核心，指数核心，多项式核心，白噪声核心，点积核心，频谱混合核心，常数核心，余弦核心，神经网络（反余弦）核心，以及乘积与合计核心。 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 33 部分）：高斯（Gaussian）进程核心已发布：
高斯过程核心是高斯过程中使用的协方差函数，用于衡量数据点之间的关系，例如在时间序列之中。这些核心生成捕获数据内部关系的矩阵，从而允许高斯过程假设数据遵循正态分布来进行投影或预测。由于本系列旨在探索新思路，同时也研究如何践行这些想法，因此高斯过程（GP）核心正在成为我们构建自定义信号的主题。
在过去的五篇文章中，我们最近涵盖了许多与机器学习相关的文章，因此在本文中，我们“稍事休息”，看一些老旧的统计数据。在系统开发的本质当中，两者通常是结合在一起的，不过当开发专门的自定义信号时，我们不会补充或考虑任何机器学习算法。GP 核心因其灵活性而备受关注。
它们可用来就各种数据模式进行建模，这些形态的关注点范围从周期性到趋势，甚至非线性关系。不过，比这更重要的是，在预测时，它们不光提供单个值。代之，它们提供一个不确定性估测值，其中包括期望值，以及上、下边界值。这些边界范围往往提供置信度评级，当凭借预测值表决时，这进一步促进了交易者的决策过程。这些置信度评级也很有洞察力，有助于在比较标有不同置信度的不同预测区间时更好地了解所交易证券。
此外，它们擅长处理噪声数据，因为它们允许将噪声值提升到创建的 K 矩阵（见下文），并且它们还有能力将先验知识纳入其中使用，而且它们具有很强的可扩展性。市面上有很多不同的核心可供选择。该列表包括（但不限于：平方指数核心（RBF），线性核心，周期性核心，有理二次核心，母子核心，指数核心，多项式核心，白噪声核心，点积核心，频谱混合核心，常数核心，余弦核心，神经网络（反余弦）核心，以及乘积与合计核心。
作者：Stephen Njuki