文章 "在 MQL5 中提升数值预测的集成方法"

[MetaQuotes]

新文章 在 MQL5 中提升数值预测的集成方法已发布：

在本文中，我们展示了在 MQL5 中实现多种集成学习方法，并检验了它们在不同场景下的有效性。

机器学习通常会产生多个质量各异的预测模型。从业者通常会评估这些模型，并选择表现最佳的那个用于实际应用。然而，本文探讨了一种替代方法：通过组合那些看似次优模型的输出来重新利用它们，以期提升潜在的整体预测性能。我们将研究多种组合预测的技术，并展示它们在纯 MQL5 中的实现。最后，我们将对这些方法进行比较，并讨论它们在不同场景下的适用性。

为了将组合模型预测的概念形式化，我们首先引入一些关键符号。考虑一个包含 K 个数据点的训练集，每个数据点表示为一对 (xi,yi)，其中 xi​ 是预测因子向量，而 yi​ 是我们旨在预测的对应标量响应变量。假设我们有 N 个训练好的模型，每个模型都能进行预测。当给定一个预测因子 x 时，模型 n 会生成一个预测值，记为 f_n​(x)。我们的目标是构建一个共识函数 f(x)，它能有效地组合这 N 个独立的预测，从而产生一个比任何单一模型都更准确的总体预测。

作者：Francis Dube

[Roman Shiredchenko]

超级好文章 - 谢谢。主题很有意义 - 正在研究数据 - 将查看我的终端和研究.....

将在此给予反馈。

这些信息在我的审议队列中......。