ตัวบ่งชี้นี้ถูกออกแบบมาเพื่อทำการวิเคราะห์การถดถอยเชิงเส้นหลายตัวแปรแบบไม่เชิงเส้นโดยใช้ตัวแปรอิสระสี่ตัว: ราคาปิด, ราคาเปิด, ราคาสูงสุด และราคาต่ำสุด

นี่คือส่วนประกอบและฟังก์ชันการทำงาน:

อินพุต:

• ความยาวข้อมูลสำหรับการทำ normalization: ความยาวของข้อมูลที่ใช้สำหรับการทำ normalization
• อัตราการเรียนรู้: อัตราที่อัลกอริทึมเรียนรู้จากข้อผิดพลาด
• แสดงจุดข้อมูล: แสดงการพล็อตข้อมูลอินพุตที่ถูก normalized (ราคาปิด, ราคาเปิด, ราคาสูงสุด, ราคาต่ำสุด)
• ทำให้เรียบ?: ตัวเลือกสำหรับการทำให้ผลลัพธ์เรียบ
• ความยาวการทำให้เรียบ: ความยาวของการทำให้เรียบหากเปิดใช้งาน
• กำหนดสัมประสิทธิ์เริ่มต้น: สัมประสิทธิ์เริ่มต้นสำหรับสมการถดถอย

การทำ normalization ข้อมูล:

สคริปต์จะทำการ normalize ข้อมูลอินพุตให้อยู่ในช่วงระหว่าง 0 ถึง 1 โดยใช้ค่าสูงสุดและต่ำสุดภายในความยาวที่กำหนด

การถดถอยเชิงเส้นหลายตัวแปรแบบไม่เชิงเส้น:

มันคำนวณสมการถดถอยโดยใช้สัมประสิทธิ์อินพุตและข้อมูลที่ถูก normalized สมการที่ใช้คือผลรวมถ่วงน้ำหนักของตัวแปรอิสระ โดยมีการปรับสัมประสิทธิ์อย่างต่อเนื่องโดยใช้ gradient descent เพื่อลดข้อผิดพลาด

การคำนวณข้อผิดพลาด:

สคริปต์จะคำนวณข้อผิดพลาดระหว่างค่าจริงและค่าที่ทำนาย

Gradient Descent:

สัมประสิทธิ์จะถูกอัปเดตอย่างต่อเนื่องโดยใช้ gradient descent เพื่อลดข้อผิดพลาด

การแสดงผล:

• การพล็อตข้อมูลอินพุตที่ถูก normalized (ราคาปิด, ราคาเปิด, ราคาสูงสุด, ราคาต่ำสุด)
• ตัวบ่งชี้แสดงการแสดงผลของค่าข้อมูลที่ถูก normalized (ราคาปิด, ราคาเปิด, ราคาสูงสุด, ราคาต่ำสุด) ในรูปแบบของเครื่องหมายวงกลมบนแผนภูมิ ช่วยให้ผู้ใช้สังเกตตำแหน่งสัมพัทธ์ของค่าต่าง ๆ เหล่านี้เมื่อเทียบกับกันและเส้นถดถอยได้อย่างง่ายดาย
• การพล็อตเส้นถดถอย
• การไล่ระดับสีบนเส้นถดถอยตามค่าของมันและสีของแท่ง
• การแสดงข้อมูลอินพุตที่ถูก normalized และค่าที่ทำนายในตาราง
• สัญญาณสำหรับการตัดกันกับเส้นกลาง (0.5)

การตีความ:

ผู้ใช้สามารถตีความเส้นถดถอยและการตัดกันกับเส้นกลาง (0.5) เป็นสัญญาณสำหรับโอกาสในการซื้อหรือขายที่เป็นไปได้

ตัวบ่งชี้นี้ช่วยให้ผู้ใช้วิเคราะห์ความสัมพันธ์ระหว่างตัวแปรหลายตัวและตัดสินใจซื้อขายโดยอิงจากการวิเคราะห์ถดถอย การปรับสัมประสิทธิ์และพารามิเตอร์สามารถปรับแต่งประสิทธิภาพของโมเดลให้เหมาะสมกับสภาพตลาดเฉพาะได้