記事「純粋なMQL5におけるエネルギーベースの学習を用いた特徴量選択アルゴリズム」についてのディスカッション 新しいコメント MetaQuotes 2024.07.08 09:23 新しい記事「純粋なMQL5におけるエネルギーベースの学習を用いた特徴量選択アルゴリズム」はパブリッシュされました: この記事では、「FREL:A stable feature selection algorithm」と題された学術論文に記載された、Feature Weighting as Regularized Energy-Based Learningと呼ばれる特徴量選択アルゴリズムの実装を紹介します。 アルゴリズム取引の分野では、機械学習の普及により、金融データの隠れたパターンを発見するためのデータマイニング技術の導入が進んでいます。このような状況の中で、実務家は多くの変数を選別し、特定の目標の達成や特定の問題の解決に最も有益と思われる変数を特定するという課題に取り組むことが多いです。この記事では、与えられた予測タスクに対する候補変数のセットの関連性を評価することを目的とした、特徴量選択アルゴリズムの実装を探求します。 Yun Li、Jennie Si、Guojing Zhou、Shasha Huang、Songcan Chenは研究論文「FREL: A Stable Feature Selection Algorithm」を共著しました。この論文では、正則化エネルギーベース学習（Feature Weighting as Regularized Energy-Based Learning：FREL）と名付けられたアルゴリズムが紹介されてます。このアルゴリズムは、精度と安定性の両方を提供するように設計された特徴量選択または重み付け技術として機能します。この議論では、正規化エネルギーベース学習と特徴の重み付けの背後にある理論的根拠の概要を示します。さらに、スクリプトとして作成されたMQL5プログラムの例を通して、提案されたアプローチの有効性を説明し、特徴量選択ツールとしてのこの手法の可能性を強調します。 作者: Francis Dube 新しいコメント 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「純粋なMQL5におけるエネルギーベースの学習を用いた特徴量選択アルゴリズム」はパブリッシュされました:
この記事では、「FREL:A stable feature selection algorithm」と題された学術論文に記載された、Feature Weighting as Regularized Energy-Based Learningと呼ばれる特徴量選択アルゴリズムの実装を紹介します。
アルゴリズム取引の分野では、機械学習の普及により、金融データの隠れたパターンを発見するためのデータマイニング技術の導入が進んでいます。このような状況の中で、実務家は多くの変数を選別し、特定の目標の達成や特定の問題の解決に最も有益と思われる変数を特定するという課題に取り組むことが多いです。この記事では、与えられた予測タスクに対する候補変数のセットの関連性を評価することを目的とした、特徴量選択アルゴリズムの実装を探求します。
Yun Li、Jennie Si、Guojing Zhou、Shasha Huang、Songcan Chenは研究論文「FREL: A Stable Feature Selection Algorithm」を共著しました。この論文では、正則化エネルギーベース学習（Feature Weighting as Regularized Energy-Based Learning：FREL）と名付けられたアルゴリズムが紹介されてます。このアルゴリズムは、精度と安定性の両方を提供するように設計された特徴量選択または重み付け技術として機能します。この議論では、正規化エネルギーベース学習と特徴の重み付けの背後にある理論的根拠の概要を示します。さらに、スクリプトとして作成されたMQL5プログラムの例を通して、提案されたアプローチの有効性を説明し、特徴量選択ツールとしてのこの手法の可能性を強調します。
作者: Francis Dube