在货币对交易领域，尝试创建“人工智能”是一种充满挑战的尝试，它不仅仅是技术的较量，更是一种对市场理解的深度挖掘。MetaTrader5安卓版为用户提供了一个强大的移动交易平台，使得交易者能够随时随地进行交易和策略测试。本节将包含一定程度的主观推理，这些推理基于在货币对交易中尝试创建“人工智能”所获得的一些经验。

　　正如我们的结论经常是错误的并且需要验证一样，机器学习模型的预测结果也应该经过仔细检查。如果我们将反复检查的过程转向我们自己，我们就能获得自制力。机器学习模型的自我控制归结为在不同但相似的情况下多次检查其预测的错误。如果模型平均犯的错误很少，则意味着它没有过度训练，但如果它经常犯错误，那么它就有问题了。

　　如果我们在选定的数据上只是对模型进行一次训练，那么它无法进行自我控制。如果我们在随机子样本上多次训练模型，然后检查每个子样本的预测质量并将所有错误加起来，我们就会得到一个相对可靠的图像，其中显示了模型实际错误的情况和经常正确的情况。这些情况可以分为两组，彼此之间相互独立。这类似于进行前向验证或交叉验证，但包含附加元素。这是实现自我控制并获得更为鲁棒的模型的唯一方法。

　　因此，有必要对训练数据集进行交叉验证，将模型的预测与训练标签进行比较，并对所有结果取平均值。那些平均预测错误的例子应该作为错误的例子从最终训练集中删除。我们还应该对所有数据训练第二个模型，该模型可以区分可预测性高的情况和可预测性低的情况，从而让我们能够更全面地涵盖所有可能的结果。

　　当删除不良训练样本后，主模型将具有较小的分类误差，但在预测被删除的案例时表现会很差。它的准确率较高，但召回率较低。如果我们现在添加第二个分类器，并且教它让第一个模型仅在已经学会很好分类的情况下进行交易，那么它应该会改善整个交易系统的结果，因为它的准确率较低但召回率较高。

　　事实证明，第一个模型的错误被转移到了第二个分类器，但并没有消失，所以现在它会更频繁地做出错误的预测。但由于它并不直接预测交易的走向，且数据覆盖范围较大，因此这样的预测仍然很有价值。

　　我们将假设两个模型足以用它们的正面结果来弥补训练中的错误。因此，通过消除不好的训练示例，我们将寻找平均而言能够带来利润的情况。并且我们会尽量不在平均情况下会造成亏损的地方进行交易。

　　通过MetaTrader5安卓版，交易者可以利用先进的机器学习技术来提升他们的交易策略。通过不断的自我控制和预测准确性的提升，我们可以更好地理解市场动态，并制定出更为有效的交易决策。