トレーディングにおける機械学習:理論、モデル、実践、アルゴトレーディング - ページ 815 1...808809810811812813814815816817818819820821822...3399 新しいコメント СанСаныч Фоменко 2018.04.03 08:34 #8141 マキシム・ドミトリエフスキー次に、各予測機器の過去のバイセル/ホールド推定値を取り、確率推定値に変換します。 複数の予測変数を取り、それぞれについて同じことをする しゅうりょうかそくをもとめる そして、この例のようにNSやファジーセットに落とし込みます。 平均推定値は、各予測値について0.5前後で変動するが、ベイズアプローチの驚異により、合計値は許容範囲に収まるだろう。 は理論上です :)私が知っているすべての分類モデルでは、結果をクラスとして並べることもできるし、クラスの確率として並べることもできる。通常、この確率は2つのクラスで半分ずつに分けられます。しかし、この確率を半分にするのではなく、ある配慮をしたプログラムがある。 Renat Akhtyamov 2018.04.03 08:35 #8142 ヴィザード_。 )))Wizard_さん、あなたの書き込みをよく読みました。 写真の説明、どうしたんですか? Maxim Dmitrievsky 2018.04.03 08:37 #8143 サンサニッチ・フォメンコ私が知っているすべての分類モデルでは、結果をクラスとして並べることもできますし、クラスの確率として並べることもできます。通常、この確率は2つのクラスで半分ずつに分けられます。しかし、この確率を半分にするのではなく、ある配慮をしたプログラムがある。そう、ロジスティック回帰ってやつです)) СанСаныч Фоменко 2018.04.03 09:13 #8144 マキシム・ドミトリエフスキーそう、ロジスティック回帰ってやつです))いや、そうじゃなくて。 CORElearn::calibrate() predict.CoreModelの呼び出しなどによって提供される確率スコアpredictedProbが与えられると、以下のようになります。で与えられる手法のうちの1つを用いて,予測される確率を校正する関数 です.というように、correctClassによって提供される2値クラス1の実際の確率と一致するようにする。 calibrate(correctClass, predictedProb, class1=1, method = c("isoReg","binIsoReg","binning","mdlMerge"), weight=NULL, noBins=10, assumeProbabilities=FALSE) PS. クラスを出力とする回帰式はたくさんあります。 最も有名で比較的簡単なものはglm()である。 SEE . 本当は、原典を参照しながら、より具体的に、より良い、具体的な機能についての書き込みがあることが強く望まれます。 Maxim Dmitrievsky 2018.04.03 09:43 #8145 ヴィザード_。ファ、何年も前からヤッてんだろ。glm(.~...,family = "binomial") ロジスティック))全部捨てろこのスレッドで適切なのはドクとトキシックだけです・・・。トキシックが人生で一度だけ、急にまともになった言葉は何だったのか? 何も書かないんです。 ココナッツは全く不十分で迷走している、そしてあなたもそうだ。 TheXpert 2018.04.03 10:00 #8146 ヴィザード_。このスレッドで適切なのはドクとトキシックだけです・・・。オンリー トキシック Mihail Marchukajtes 2018.04.03 10:48 #8147 まったく、何も知らない私を貶めないでください......。 СанСаныч Фоменко 2018.04.03 14:27 #8148 Vizard_: ファ、ずっとデタラメ言ってるんだろ。glm(.~...,family = "binomial") is ロジスティック))全部捨てろこのスレッドで適切なのはドクとトキシックだけです・・・。仮面の市民は、ベンチの下に入り、デタラメを書き込む前に 私の投稿はキャリブレーションに関するもので、ロジスティック 回帰ではなく、私が言及したツールを持っていることをお読みください。をやめて、添付ファイルを読んでください。たぶん、さまざまなロジスティック回帰の楽しさに、数年間は黙っていることでしょう。それを読んだ後、ここでロジスティック回帰を使ってクラスをキャリブレーションする方法について啓発してください。このアイデアは、添付ファイルに詳しく書かれています。 ファイル: kk0hw_lvr9elz_GLM.zip 199 kb Roffild 2018.04.03 20:51 #8149 このスレッドのメッセージは、みんな違うモデルを持っているので、意味がありません。唯一、参加者の心を一つにしたのは、MQL5と外部ツールの連携です。Spark Random ForestからAlglib(MQL5)形式へのコンバータを持っています。統合について投稿したい場合は、一般的なアイデアとしてこれを自由に使ってください。そうすれば、誰もが恩恵を受けることができます。 P.s. 私はGitが好きです Grigoriy Chaunin 2018.04.04 06:08 #8150 (とても理にかなっています。) ここには面白いものがあります。ただ、トピックを全部読むのはもはや現実的ではありません。 1...808809810811812813814815816817818819820821822...3399 新しいコメント 取引の機会を逃しています。 無料取引アプリ 8千を超えるシグナルをコピー 金融ニュースで金融マーケットを探索 新規登録 ログイン スペースを含まないラテン文字 このメールにパスワードが送信されます エラーが発生しました Googleでログイン WebサイトポリシーおよびMQL5.COM利用規約に同意します。 新規登録 MQL5.com WebサイトへのログインにCookieの使用を許可します。 ログインするには、ブラウザで必要な設定を有効にしてください。 ログイン/パスワードをお忘れですか? Googleでログイン
次に、各予測機器の過去のバイセル/ホールド推定値を取り、確率推定値に変換します。
複数の予測変数を取り、それぞれについて同じことをする
しゅうりょうかそくをもとめる
そして、この例のようにNSやファジーセットに落とし込みます。
平均推定値は、各予測値について0.5前後で変動するが、ベイズアプローチの驚異により、合計値は許容範囲に収まるだろう。
は理論上です :)
私が知っているすべての分類モデルでは、結果をクラスとして並べることもできるし、クラスの確率として並べることもできる。通常、この確率は2つのクラスで半分ずつに分けられます。しかし、この確率を半分にするのではなく、ある配慮をしたプログラムがある。
)))
Wizard_さん、あなたの書き込みをよく読みました。
写真の説明、どうしたんですか?
私が知っているすべての分類モデルでは、結果をクラスとして並べることもできますし、クラスの確率として並べることもできます。通常、この確率は2つのクラスで半分ずつに分けられます。しかし、この確率を半分にするのではなく、ある配慮をしたプログラムがある。
そう、ロジスティック回帰ってやつです))
そう、ロジスティック回帰ってやつです))
いや、そうじゃなくて。
predict.CoreModelの呼び出しなどによって提供される確率スコアpredictedProbが与えられると、以下のようになります。
で与えられる手法のうちの1つを用いて,予測される確率を校正する関数 です.
というように、correctClassによって提供される2値クラス1の実際の確率と一致するようにする。
PS.
クラスを出力とする回帰式はたくさんあります。
最も有名で比較的簡単なものはglm()である。
SEE .
本当は、原典を参照しながら、より具体的に、より良い、具体的な機能についての書き込みがあることが強く望まれます。
ファ、何年も前からヤッてんだろ。glm(.~...,family = "binomial")
ロジスティック))全部捨てろこのスレッドで適切なのはドクとトキシックだけです・・・。
トキシックが人生で一度だけ、急にまともになった言葉は何だったのか?
何も書かないんです。
ココナッツは全く不十分で迷走している、そしてあなたもそうだ。
このスレッドで適切なのはドクとトキシックだけです・・・。
オンリー トキシック
ファ、ずっとデタラメ言ってるんだろ。glm(.~...,family = "binomial") is
ロジスティック))全部捨てろこのスレッドで適切なのはドクとトキシックだけです・・・。
仮面の市民は、ベンチの下に入り、デタラメを書き込む前に
このスレッドのメッセージは、みんな違うモデルを持っているので、意味がありません。唯一、参加者の心を一つにしたのは、MQL5と外部ツールの連携です。Spark Random ForestからAlglib(MQL5)形式へのコンバータを持っています。統合について投稿したい場合は、一般的なアイデアとしてこれを自由に使ってください。そうすれば、誰もが恩恵を受けることができます。
P.s. 私はGitが好きです