트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 815 1...808809810811812813814815816817818819820821822...3399 새 코멘트 СанСаныч Фоменко 2018.04.03 08:34 #8141 막심 드미트리예프스키 : 이제 각 예측 변수에 대해 역사적 구매 \ 판매 \ 추정치를 유지하고 확률로 변환하십시오. 여러 예측 변수를 취하고 각각에 대해 동일한 작업을 수행합니다. 일련의 기능에서 이익을 얻을 조건부 확률 찾기 그런 다음 이 예에서와 같이 NS 또는 퍼지 세트로 구동합니다. 평균 점수는 각 예측 변수에 대해 0.5 주변에서 변동하지만 베이지안 접근 방식의 경이로움은 점수 집합을 허용 가능한 수준으로 가져올 것입니다. 이론상입니다 :) 내가 알고 있는 모든 분류 모델에서 결과는 클래스 형식으로 정렬되거나 클래스 확률 형식으로 정렬될 수 있습니다. 일반적으로 이 확률은 두 클래스에 대해 절반으로 줄어듭니다. 그러나 이 확률을 절반이 아닌 다른 이유로 나누는 프로그램이 있습니다. Renat Akhtyamov 2018.04.03 08:35 #8142 마법사_ : ))) 위저드_ 님 글 잘 읽었습니다 사진 설명, 거기에 무엇이 있습니까? Maxim Dmitrievsky 2018.04.03 08:37 #8143 산산이치 포멘코 : 내가 알고 있는 모든 분류 모델에서 결과는 클래스 형식으로 정렬되거나 클래스 확률 형식으로 정렬될 수 있습니다. 일반적으로 이 확률은 두 클래스에 대해 절반으로 줄어듭니다. 그러나 이 확률을 절반이 아닌 다른 이유로 나누는 프로그램이 있습니다. 네, 로지스틱 회귀라고 합니다. СанСаныч Фоменко 2018.04.03 09:13 #8144 막심 드미트리예프스키 : 네, 로지스틱 회귀라고 합니다. 아니, 내 말은 CORElearn::calibrate() 예를 들어 predict.CoreModel에 대한 호출에 의해 제공된 예측된 확률 점수가 주어집니다. 함수 가 예측 확률을 보정하는 방법에 의해 제공된 사용 가능한 방법 중 하나를 사용합니다. 그들은 올바른 클래스에 의해 제공되는 이진 클래스 1의 실제 확률과 일치하도록 합니다. calibrate(correctClass, predictedProb, class1= 1 , method = c( "isoReg" , "binIsoReg" , "binning" , "mdlMerge" ), weight= NULL , noBins= 10 , assumeProbabilities= FALSE ) 추신. 출력에 클래스가 있는 회귀는 클라우드입니다. 가장 유명하고 비교적 간단한 것은 glm()입니다. PSPS 사실, 게시물에는 출처를 나타내는 더 구체적인 내용이 있고 가급적이면 특정 기능이 있는 것이 매우 바람직합니다. Maxim Dmitrievsky 2018.04.03 09:43 #8145 마법사_ : Fa, 예, 당신은 이미 몇 년 동안 kuynyu를 가지고 다녔습니다. glm(.~... , family = "binomial") 이고 물류))) 모든 것을 던집니다. 이 스레드에서는 Doc과 Toxic만 적절합니다... 유독 한 사람이 일생에 한 번 그런 말을 해서 갑자기 적절해 졌다고요? 그는 아무것도 쓰지 않는다 코코넛은 완전히 부족하고 길을 잃습니다. TheXpert 2018.04.03 10:00 #8146 마법사_ : 이 스레드에서는 Doc과 Toxic만 적절합니다... 유독하다 Mihail Marchukajtes 2018.04.03 10:48 #8147 여기에 나를 전혀 귀속시키지 마십시오. 아무것도 몰라....... 장사를 몰라.... СанСаныч Фоменко 2018.04.03 14:27 #8148 마법사_ : Fa, 예, 당신은 이미 몇 년 동안 kuynyu를 가지고 다녔습니다. glm(.~... , family = "binomial") 이고 물류))) 모든 것을 던집니다. 이 스레드에서는 Doc과 Toxic만 적절합니다... 마스크를 쓴 시민, 벤치 아래로 점프하고 kuinu를 게시하기 전에: 내 게시물은 로지스틱 회귀가 아닌 내가 지정한 도구가 있는 보정에 관한 것임을 이해합니다. 모든 것을 버리고 첨부 파일을 읽으십시오. 아마도 몇 년 동안 다양한 로지스틱 회귀의 즐거움에 침묵할 것입니다. 읽고 나면 로지스틱 회귀를 사용하여 클래스를 보정하는 방법에 대해 알게 될 것입니다. 첨부된 내용이 이 아이디어의 전부는 아닙니다. 파일: kk0hw_lvr9elz_GLM.zip 199 kb Roffild 2018.04.03 20:51 #8149 모든 사람이 자신의 모델을 가지고 있기 때문에 이 주제의 메시지는 의미가 없습니다. 혼란의 참가자를 통합하는 유일한 것은 MQL5와 외부 도구의 통합입니다. Spark Random Forest에서 Alglib(MQL5) 형식으로의 변환기가 있습니다. 통합에 대한 공통 순무를 만드는 것이 좋습니다. 모든 사람에게 이점이 있습니다. 추신. 나는 Git을 선호한다 Grigoriy Chaunin 2018.04.04 06:08 #8150 의미있는 일입니다. ) 여기에 흥미로운 것들이 있습니다. 전체 주제를 읽는 것만으로는 더 이상 현실적이지 않습니다. 1...808809810811812813814815816817818819820821822...3399 새 코멘트 사유: 취소 트레이딩 기회를 놓치고 있어요: 무료 트레이딩 앱 복사용 8,000 이상의 시그널 금융 시장 개척을 위한 경제 뉴스 등록 로그인 공백없는 라틴 문자 비밀번호가 이 이메일로 전송될 것입니다 오류 발생됨 Google으로 로그인 웹사이트 정책 및 이용약관에 동의합니다. 계정이 없으시면, 가입하십시오 MQL5.com 웹사이트에 로그인을 하기 위해 쿠키를 허용하십시오. 브라우저에서 필요한 설정을 활성화하시지 않으면, 로그인할 수 없습니다. 사용자명/비밀번호를 잊으셨습니까? Google으로 로그인
이제 각 예측 변수에 대해 역사적 구매 \ 판매 \ 추정치를 유지하고 확률로 변환하십시오.
여러 예측 변수를 취하고 각각에 대해 동일한 작업을 수행합니다.
일련의 기능에서 이익을 얻을 조건부 확률 찾기
그런 다음 이 예에서와 같이 NS 또는 퍼지 세트로 구동합니다.
평균 점수는 각 예측 변수에 대해 0.5 주변에서 변동하지만 베이지안 접근 방식의 경이로움은 점수 집합을 허용 가능한 수준으로 가져올 것입니다.
이론상입니다 :)
내가 알고 있는 모든 분류 모델에서 결과는 클래스 형식으로 정렬되거나 클래스 확률 형식으로 정렬될 수 있습니다. 일반적으로 이 확률은 두 클래스에 대해 절반으로 줄어듭니다. 그러나 이 확률을 절반이 아닌 다른 이유로 나누는 프로그램이 있습니다.
)))
위저드_ 님 글 잘 읽었습니다
사진 설명, 거기에 무엇이 있습니까?
내가 알고 있는 모든 분류 모델에서 결과는 클래스 형식으로 정렬되거나 클래스 확률 형식으로 정렬될 수 있습니다. 일반적으로 이 확률은 두 클래스에 대해 절반으로 줄어듭니다. 그러나 이 확률을 절반이 아닌 다른 이유로 나누는 프로그램이 있습니다.
네, 로지스틱 회귀라고 합니다.
네, 로지스틱 회귀라고 합니다.
아니, 내 말은
예를 들어 predict.CoreModel에 대한 호출에 의해 제공된 예측된 확률 점수가 주어집니다.
함수 가 예측 확률을 보정하는 방법에 의해 제공된 사용 가능한 방법 중 하나를 사용합니다.
그들은 올바른 클래스에 의해 제공되는 이진 클래스 1의 실제 확률과 일치하도록 합니다.
추신.
출력에 클래스가 있는 회귀는 클라우드입니다.
가장 유명하고 비교적 간단한 것은 glm()입니다.
PSPS
사실, 게시물에는 출처를 나타내는 더 구체적인 내용이 있고 가급적이면 특정 기능이 있는 것이 매우 바람직합니다.
Fa, 예, 당신은 이미 몇 년 동안 kuynyu를 가지고 다녔습니다. glm(.~... , family = "binomial") 이고
물류))) 모든 것을 던집니다. 이 스레드에서는 Doc과 Toxic만 적절합니다...
유독 한 사람이 일생에 한 번 그런 말을 해서 갑자기 적절해 졌다고요?
그는 아무것도 쓰지 않는다
코코넛은 완전히 부족하고 길을 잃습니다.
이 스레드에서는 Doc과 Toxic만 적절합니다...
유독하다
Fa, 예, 당신은 이미 몇 년 동안 kuynyu를 가지고 다녔습니다. glm(.~... , family = "binomial") 이고
물류))) 모든 것을 던집니다. 이 스레드에서는 Doc과 Toxic만 적절합니다...
마스크를 쓴 시민, 벤치 아래로 점프하고 kuinu를 게시하기 전에:
모든 사람이 자신의 모델을 가지고 있기 때문에 이 주제의 메시지는 의미가 없습니다. 혼란의 참가자를 통합하는 유일한 것은 MQL5와 외부 도구의 통합입니다. Spark Random Forest에서 Alglib(MQL5) 형식으로의 변환기가 있습니다. 통합에 대한 공통 순무를 만드는 것이 좋습니다. 모든 사람에게 이점이 있습니다.
추신. 나는 Git을 선호한다