Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 815
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
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.
)))
Wizard_, ich habe Ihre Beiträge aufmerksam gelesen
Erklären Sie die Bilder, was ist los?
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 ))
Ja, die logistische Regression heißt ))
Nein, ich meine.
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.
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.
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.
Nur Doc und Toxic sind in diesem Thread angemessen...
nur giftig
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:
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