記事「MQL5における座標降下法を用いたエラスティックネット回帰」についてのディスカッション 新しいコメント MetaQuotes 2023.12.21 09:37 新しい記事「MQL5における座標降下法を用いたエラスティックネット回帰」はパブリッシュされました: この記事では、過学習を最小化すると同時に、有用な予測因子と予後予測力の低い予測因子を自動的に分離するエラスティックネット回帰の実用的な実装を探求します。 座標降下法は、多変数の最適化に適した最適化手法です。複雑な多次元最適化問題は、1次元の問題の集まりに縮小されます。 これは、他の次元の関数の値を静的に保ったまま、関数の個々の次元を繰り返し最小化することによって達成されます。インターネット上には、より詳細な説明を提供してくれる資料が数多くあります。ここで関心があるのは、戦略開発への応用です。 ここでの目的のために、座標降下法はエラスティックネット回帰の実装において2つの方法で使われます。まず、ユーザーによって指定された固定アルファに基づいて最適なラムダを決定するために使用されます。これが完了すると、最適化メソッドが再度呼び出され、回帰式のベータ係数に取り組みます。これがどのように実現されているのか、コードを見てみましょう。 作者: Francis Dube 新しいコメント 理由: キャンセル 取引の機会を逃しています。 無料取引アプリ 8千を超えるシグナルをコピー 金融ニュースで金融マーケットを探索 新規登録 ログイン スペースを含まないラテン文字 このメールにパスワードが送信されます エラーが発生しました Googleでログイン WebサイトポリシーおよびMQL5.COM利用規約に同意します。 新規登録 MQL5.com WebサイトへのログインにCookieの使用を許可します。 ログインするには、ブラウザで必要な設定を有効にしてください。 ログイン/パスワードをお忘れですか？ Googleでログイン
新しい記事「MQL5における座標降下法を用いたエラスティックネット回帰」はパブリッシュされました:
この記事では、過学習を最小化すると同時に、有用な予測因子と予後予測力の低い予測因子を自動的に分離するエラスティックネット回帰の実用的な実装を探求します。
座標降下法は、多変数の最適化に適した最適化手法です。複雑な多次元最適化問題は、1次元の問題の集まりに縮小されます。 これは、他の次元の関数の値を静的に保ったまま、関数の個々の次元を繰り返し最小化することによって達成されます。インターネット上には、より詳細な説明を提供してくれる資料が数多くあります。ここで関心があるのは、戦略開発への応用です。
ここでの目的のために、座標降下法はエラスティックネット回帰の実装において2つの方法で使われます。まず、ユーザーによって指定された固定アルファに基づいて最適なラムダを決定するために使用されます。これが完了すると、最適化メソッドが再度呼び出され、回帰式のベータ係数に取り組みます。これがどのように実現されているのか、コードを見てみましょう。
作者: Francis Dube