RicardoSantos

MLLossFunctions

Library "MLLossFunctions"
Methods for Loss functions.

mse(expects, predicts) Mean Squared Error ( MSE ) " MSE = 1/N * sum((y - y')^2) ".
  Parameters:
    expects: float array, expected values.
    predicts: float array, prediction values.
  Returns: float

binary_cross_entropy(expects, predicts) Binary Cross-Entropy Loss (log).
  Parameters:
    expects: float array, expected values.
    predicts: float array, prediction values.
  Returns: float

Pinebibliotek

I sann TradingView-anda har författaren publicerat denna Pine-kod som ett bibliotek med öppen källkod så att andra Pine-programmerare från vår community kan återanvända den. Hatten av för författaren! Du kan använda det här biblioteket privat eller i andra publikationer med öppen källkod, men återanvändning av den här koden i en publikation regleras av våra ordningsregler.

Frånsägelse av ansvar

Informationen och publikationerna är inte avsedda att vara, och utgör inte heller finansiella, investerings-, handels- eller andra typer av råd eller rekommendationer som tillhandahålls eller stöds av TradingView. Läs mer i Användarvillkoren.

Vill du använda det här biblioteket?

Kopiera följande rad och klistra in det i ditt skript.