L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 815

[СанСаныч Фоменко]

Maxim Dmitrievsky:

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.

[Renat Akhtyamov]

Vizard_:

)))

Wizard_, j'ai lu attentivement vos messages

Explique les photos, qu'est-ce qu'il y a ?

[Maxim Dmitrievsky]

SanSanych Fomenko:

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 :))

[СанСаныч Фоменко]

Maxim Dmitrievsky:

Ouais, la régression logistique s'appelle :))

Non, je veux dire.

CORElearn::calibrate()

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.

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

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.

[Maxim Dmitrievsky]

Vizard_:

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.

[TheXpert]

Vizard_:

Seuls Doc et Toxic sont adéquats dans ce fil...

seulement Toxic

[Mihail Marchukajtes]

Ne me rabaissez pas du tout. Je ne sais rien du tout. ......

[СанСаныч Фоменко]

Vizard_:

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 :

• lisez que mon post concerne l'étalonnage, pour lequel je dispose de l'outil que j'ai mentionné, et non la régression logistique
• Laissez tomber ce que vous êtes en train de faire et lisez la pièce jointe, peut-être que vous vous tairez pendant quelques années sur les joies d'une variété de régressions logistiques. Après l'avoir lu, éclairez-vous ici sur la manière d'utiliser les régressions logistiques pour calibrer les classes.

Cette idée est développée dans la pièce jointe.

[Roffild]

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

[Grigoriy Chaunin]

(Cela a beaucoup de sens. ) Il y a des choses intéressantes ici. Seulement, il n'est plus réaliste de lire l'ensemble du sujet.