在解决根据历史数据预测BTC / USD比特币汇率的问题的过程中，对应该使用哪种计算系统来构建所需模型的理解已经得到了理解。我想将这个愿景描述为备受推崇的哈伯世界，并以此方式理解它对于当前现实的真正意义。
因此，我们在统计设置中考虑了一些问题。这就是说，为了简单起见，我们有一些数据集会不时地显示BTC / USD的价格。假设我们设定了以下目标：第二天对BTC / USD价格的平均值进行估算，以使指定的质量函数最小。在最简单的情况下，作为质量函数，我们可以取实际平均值与预测值的偏差之和，取模并归一化为实际值。
事实证明，建立预测模型相对容易，这并不奇怪。更准确地说，通常会出现大量针对该问题的模型，这些模型的调整参数值以及内部自由度和其他内部结构的数量可能会有所不同。因此，该问题的解决方案简化为以下问题：从可用模型集中选择最佳模型在统计上是正确的。
为了解决此问题，我们需要一个统计推断系统，您需要该系统：
- 您需要在系统中指定一个模型，描述调整参数，并指定要对其进行评估（训练）的数据。所使用的数据将不会用于测试该模型；
- 对于许多模型，您需要指定质量准则，通过该准则可以对模型进行统计比较；
- 在比较模型时，有必要计算出假阳性/假阴性结论的标准（当结论数据不足或由于统计误差而无法进行比较时）。
该系统的主要特征：其结论将在可用信息内得到统计证实，并根据数学统计，随着独立数据数量的增加，将渐近收敛到一个真实值。
暂时而言，该系统对于大量任务非常有用，包括测试使用机器学习技术构建的模型。
而如果...
- 如果这样的系统已经可用并且可以访问（具有逼真的学习曲线），那么您需要运行以使用它；
- 还没有这样的系统，那么您需要坐下来做。
后记
- 正如生活中经常发生的那样，当您深入研究问题时，任务复杂性的真正大小就变得清晰了……
- 在此处可以找到第二天预测比特币BTC / USD汇率的模型示例。
PS：
You-dy-sch：是的，you-dy-sch ...