Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 815

Nuevo comentario
 
Maxim Dmitrievsky:

Ahora tome la estimación histórica de byssel/hold de cada predictor, conviértala en una estimación de probabilidad.

tomar varios predictores, hacer lo mismo para cada uno

encontrar las probabilidades condicionales de los beneficios en un conjunto de características

y luego lo pones en NS o conjuntos difusos como en este ejemplo

La estimación media fluctuará en torno a 0,5 para cada predictor, pero las maravillas del enfoque bayesiano llevarán los totales a un nivel aceptable

es en teoría :)

En todos los modelos de clasificación que conozco, el resultado puede ordenarse como una clase, o puede ordenarse como una probabilidad de clase. Normalmente, esta probabilidad se divide por la mitad para las dos clases. Pero hay un programa que divide esta probabilidad no por la mitad, sino por otras consideraciones.

 
Vizard_:

)))

Wizard_, he leído tus mensajes con atención

Explica las imágenes, ¿qué pasa?

 
SanSanych Fomenko:

En todos los modelos de clasificación que conozco, el resultado puede ordenarse como una clase, o puede ordenarse como una probabilidad de clase. Normalmente, esta probabilidad se divide por la mitad para las dos clases. Pero hay un programa que divide esta probabilidad no por la mitad, sino por otras consideraciones.

Sí, la regresión logística se llama ))

 
Maxim Dmitrievsky:

Sí, la regresión logística se llama ))

No, quiero decir.

CORElearn::calibrate()

Dadas las puntuaciones de probabilidad predictedProb proporcionadas, por ejemplo, por una llamada a predict.CoreModel

y utilizando uno de los métodos disponibles dados por métodos la función calibra las probabilidades predichas

para que coincidan con las probabilidades reales de una clase binaria 1 proporcionadas por correctClass.

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


PS.

Hay muchas regresiones que tienen como resultado una clase.

El más famoso y relativamente sencillo es glm().


VER .

En realidad, es muy deseable que los puestos sean más específicos, con referencia a la fuente original, y mejor, a las funciones específicas.

 
Vizard_:

Fa, has estado jodiendo durante años. glm(.~...,familia = "binomial")
logístico))) Dejadlo todo. Sólo Doc y Toxic son adecuados en este hilo...

¿Qué dijo Toxic una vez en su vida que de repente se volvió cuerdo?

No escribe nada.

El coco es totalmente inadecuado y está perdido, y tú también.

 
Vizard_:

Sólo Doc y Toxic son adecuados en este hilo...

sólo Toxicidad

 
No me menosprecies en absoluto. No sé nada......
 
Vizard_:

Fa, has estado mintiendo durante años. glm(.~...,family = "binomial") es
logistic)) Dejadlo todo. Sólo Doc y Toxic son adecuados en este hilo...

Ciudadano enmascarado, métete debajo del banquillo y antes de publicar tonterías:

  • lee que mi post es sobre la calibración, para lo cual tengo la herramienta que mencioné, no la regresión logística
  • deja lo que estás haciendo y lee el anexo, quizás te calles durante unos años en las alegrías de una variedad de regresiones logísticas. Después de leerlo, infórmese aquí sobre cómo utilizar las regresiones logísticas para calibrar las clases.
Hay más información sobre esta idea en el archivo adjunto

Archivos adjuntos:
kk0hw_lvr9elz_GLM.zip  199 kb
 

El mensaje de este hilo no tiene sentido, porque cada uno tiene un modelo diferente. Lo único que une a los participantes es la integración de herramientas externas con MQL5. Tengo un convertidor de Spark Random Forest a formato Alglib (MQL5). Si quieres publicar sobre la integración, no dudes en usar esto como idea general, por eso es bueno para todos.

P.D. Yo prefiero Git

 
(Tiene mucho sentido. ) Hay algunas cosas interesantes aquí. Sólo que ya no es realista leer todo el tema.
1...808809810811812813814815816817818819820821822...3399
Nuevo comentario