L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 815
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Maintenant, prenez l'estimation historique de chaque prédicteur, convertissez-la en une estimation de probabilité.
prendre plusieurs prédicteurs, faire de même pour chacun d'eux
trouver les probabilités conditionnelles de bénéfices sur un ensemble de caractéristiques
et ensuite vous les mettez dans des ensembles NS ou flous comme dans cet exemple.
l'estimation moyenne fluctuera autour de 0,5 pour chaque prédicteur, mais les merveilles de l'approche bayésienne ramèneront les totaux à un niveau acceptable
est en théorie :)
Dans tous les modèles de classification que je connais, le résultat peut être ordonné comme une classe, ou il peut être ordonné comme une probabilité de classe. En général, cette probabilité est divisée en deux pour les deux classes. Mais il existe un programme qui divise cette probabilité non pas par deux mais par d'autres considérations.
)))
Wizard_, j'ai lu attentivement vos messages
Explique les photos, qu'est-ce qu'il y a ?
Dans tous les modèles de classification que je connais, le résultat peut être ordonné comme une classe, ou il peut être ordonné comme une probabilité de classe. En général, cette probabilité est divisée en deux pour les deux classes. Mais il existe un programme qui divise cette probabilité non pas par deux, mais par d'autres considérations.
Ouais, la régression logistique s'appelle :))
Ouais, la régression logistique s'appelle :))
Non, je veux dire.
Les scores de probabilité donnés predictedProb tels que fournis par exemple par un appel à predict.CoreModel
et en utilisant une des méthodes disponibles données par méthodes la fonction calibre les probabilités prédites
afin qu'elles correspondent aux probabilités réelles d'une classe binaire 1 fournies par correctClass.
PS.
Il y a beaucoup de régressions qui ont une classe comme résultat.
La plus célèbre et relativement simple est glm().
VOIR .
En fait, il est hautement souhaitable que les postes soient plus précis, avec référence à la source originale, et mieux, à des fonctions spécifiques.
Fa, tu as baisé pendant des années. glm(.~...,famille = "binomiale")
logistique)))) Lâchez tout, bordel. Seuls Doc et Toxic sont adéquats dans ce fil...
Qu'a dit Toxic une fois dans sa vie pour qu'il devienne soudainement sain d'esprit ?
Il n'écrit rien.
Coconut est totalement inadéquate et perdue, et toi aussi.
Seuls Doc et Toxic sont adéquats dans ce fil...
seulement Toxic
Fa, tu racontes des conneries depuis des années. glm(.~...,family = "binomial") is
logistic)) Lâchez tout, bordel. Seuls Doc et Toxic sont adéquats dans ce fil...
Citoyen dans le masque, sous le banc et avant de poster des conneries :
Le message de ce fil de discussion n'a pas de sens, car chacun a un modèle différent. La seule chose qui unit les participants est l'intégration d'outils externes avec MQL5. J'ai un convertisseur de Spark Random Forest au format Alglib (MQL5). J'ai une bonne idée pour poster sur l'intégration, ce serait utile pour tout le monde.
P.s. Je préfère Git