在交互式平行坐标图中，有一个很好的htmlwidgets的例子。
你可以交互式地操作平行坐标图来放大有趣的观察结果。
不久前，我读到了关于系统参数优化结果的可视化，使用应用程序来创建和操作回测结果。这个想法是通过改变系统参数来运行多个回测，并使用平行坐标图显示结果。
在如何优化交易系统中描述了一个系统参数优化的好例子。如果你只优化两个参数，三维图是一个非常好的方法，但如果你有两个以上的参数，该怎么做？
平行坐标就来了。假设我们运行一个系统参数优化，改变了3个参数，并将结果存储在数据矩阵中。第一列将包含CAGR，第2：4列将包含参数值。
比如说。
#*****************************************************************
#加载历史数据
getSymbols(tickers, src = 'yahoo', from = '1970-01-01', env = data, auto.assign = T)
# 只选择快 < 中 < 慢
choices = choices\[choices$fast < choices$mid & choices$mid < choices$slow,\]
# 预先计算所有的移动平均线
mas = list()
for( i in unique(unlist(choices)) )
mas\[\[i\]\] = bt.apply.matrix(prices, SMA, i)
# 对所有组合进行回测
result = choices
for(i in 1:nrow(choices)) {
data$weight\[\] = NA
result$CAGR\[i\] = compute.cagr(model$equity, nyears)
#*****************************************************************
# 平行坐标图
#*****************************************************************
coord(result, col=1:nrow(result))
这张图很难看懂。
理想情况下，你想选择一个参数范围，并检查相应的系统CAGRs，或者选择一个CAGRs范围，看看什么参数产生了它们。R软件可以可视化互动性。
# 交互式平行坐标图
cp(result)随时关注您喜欢的主题
另一种方法是实现这种交互式行为，就是使用交互式平行坐标中的htmlwidgets的一个伟大的例子。
Python机器学习算法KNN、MLP、NB、LR助力油气钻井大数据提速参数优选及模型构建研究
Python蒙特卡罗MCMC:优化Metropolis-Hastings采样策略与Fisher矩阵计算参数推断应用—模拟与真实数据分析
MATLAB贝叶斯优化混合Bayes-CNN-RNN分析股票市场数据与浅层网络超参数优化
【专题】2024年全球生物医药交易报告汇总PDF洞察（附原数据表）
