Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 815

 
Maxim Dmitrievsky:

Nehmen Sie nun die historische Byssel/Hold-Schätzung jedes Prädiktors und wandeln Sie sie in eine Wahrscheinlichkeitsschätzung um.

Nehmen Sie mehrere Prädiktoren, machen Sie dasselbe für jeden einzelnen

Ermittlung bedingter Gewinnwahrscheinlichkeiten für eine Reihe von Merkmalen

und dann in NS- oder Fuzzy-Mengen wie in diesem Beispiel

Die durchschnittliche Schätzung wird für jeden Prädiktor um 0,5 schwanken, aber die Wunder des Bayes'schen Ansatzes werden die Gesamtwerte auf ein akzeptables Niveau bringen

ist in der Theorie :)

Bei allen mir bekannten Klassifizierungsmodellen kann das Ergebnis als Klasse oder als Klassenwahrscheinlichkeit geordnet werden. In der Regel wird diese Wahrscheinlichkeit für die beiden Klassen halbiert. Aber es gibt ein Programm, das diese Wahrscheinlichkeit nicht durch die Hälfte teilt, sondern durch einige andere Überlegungen.

 
Eidechse_:

)))

Wizard_, ich habe Ihre Beiträge aufmerksam gelesen

Erklären Sie die Bilder, was ist los?

 
SanSanych Fomenko:

Bei allen mir bekannten Klassifizierungsmodellen kann das Ergebnis als Klasse oder als Klassenwahrscheinlichkeit geordnet werden. In der Regel wird diese Wahrscheinlichkeit für die beiden Klassen halbiert. Es gibt jedoch ein Programm, das diese Wahrscheinlichkeit nicht durch die Hälfte teilt, sondern durch einige andere Überlegungen.

Ja, die logistische Regression heißt ))

 
Maxim Dmitrievsky:

Ja, die logistische Regression heißt ))

Nein, ich meine.

CORElearn::calibrate()

Bei gegebenen Wahrscheinlichkeitswerten predictedProb, die beispielsweise durch einen Aufruf von predict.CoreModel bereitgestellt werden

und unter Verwendung einer der verfügbaren Methoden, die unter Methoden angegeben sind, kalibriert die Funktion die vorhergesagten Wahrscheinlichkeiten

so dass sie mit den tatsächlichen Wahrscheinlichkeiten einer binären Klasse 1 übereinstimmen, die von correctClass geliefert werden.

calibrate(correctClass, predictedProb, class1=1,
method = c("isoReg","binIsoReg","binning","mdlMerge"),
weight=NULL, noBins=10, assumeProbabilities=FALSE)


PS.

Es gibt eine Vielzahl von Regressionen, die eine Klasse als Ergebnis haben.

Die bekannteste und relativ einfache Methode ist glm().


SEHEN .

Eigentlich wäre es sehr wünschenswert, dass die Beiträge spezifischer wären, mit Verweis auf die Originalquelle, und besser noch, auf spezifische Funktionen.

 
Eidechse_:

Fa, du hast jahrelang herumgevögelt. glm(.~...,family = "binomial")
logistisch))) Lassen Sie alles stehen und liegen. Nur Doc und Toxic sind in diesem Thread angemessen...

Was hat Toxic einmal in seinem Leben gesagt, dass er plötzlich zurechnungsfähig wurde?

Er schreibt nichts.

Die Kokosnuss ist völlig unzureichend und verloren, und Sie sind es auch.

 
Eidechse_:

Nur Doc und Toxic sind in diesem Thread angemessen...

nur giftig

 
Machen Sie mich nicht runter. Ich weiß nichts......
 
Vizard_:

Fa, du verarschst uns schon seit Jahren. glm(.~...,family = "binomial") ist
logistisch)) Lassen Sie alles stehen und liegen. Nur Doc und Toxic sind in diesem Thread angemessen...

Bürger in der Maske, ab unter die Bank und bevor Sie Blödsinn posten:

  • lesen Sie, dass es in meinem Beitrag um die Kalibrierung geht, für die ich das erwähnte Tool habe, nicht um die logistische Regression
  • Lassen Sie alles stehen und liegen und lesen Sie den Anhang, vielleicht halten Sie dann ein paar Jahre lang die Klappe und erfreuen sich an einer Vielzahl von logistischen Regressionen. Nach der Lektüre können Sie sich hier darüber informieren, wie logistische Regressionen zur Kalibrierung von Klassen verwendet werden können.
In der Anlage finden Sie weitere Informationen zu dieser Idee

Dateien:
 

Die Botschaft dieses Threads ist bedeutungslos, denn jeder hat ein anderes Modell. Das Einzige, was die Teilnehmer eint, ist die Integration von externen Tools in MQL5. Ich habe einen Konverter von Spark Random Forest in das Alglib (MQL5) Format. Ich habe eine gute Idee für einen Beitrag über Integration, der für alle nützlich sein könnte.

P.s. Ich bevorzuge Git

 
(Das macht sehr viel Sinn. ) Hier gibt es einige interessante Dinge. Nur ist es nicht mehr realistisch, das ganze Thema zu lesen.