Request interpretation of schematic results

For the stock price return forecasting model using Gaussian kernel (RBF) and rolling window, we have obtained an explanation of the schematized performance indicators and structure above. We would appreciate it if you could interpret these figures.

Answer 1

[영준]

3D Gaussian RBF :This graph visualizes the similarity between data points in three-dimensional space using a Gaussian Radial Basis Function (RBF) kernel. Higher kernel values indicate higher similarity, which in turn indicates how closely related the data points are

한국인이시니 그냥 한국어로 적겠습니다

2번쨰는 실제와 예측모델의 차이를 보여주며 저 그래프의 차이를 통해 예측성능을 짐작할수있습니다

3번은 데이터포인트간의 유사성을나타내며 밝을수록 유사합니다.대각선으로는 상관계수분석과같이 자기자신에대한 유사성이라 항상 최대입니다

4번은 데이터의 다양성 3d 플롯으로 다양한색이 보일수록다양합니다

5는 박스플롯인데 이건 사분위랑 검색하면 금방해석할수있습니다

6번은 분포 밀도에 대한거로 3번과 같습니다

모델해석과 데이터패턴해석같으신데 해당 분석의 인사이트는 직접해보셔야할것같습니다