交易中的机器学习：理论、模型、实践和算法交易 - 页 480

[Maxim Dmitrievsky]

Oleg avtomat:

同样，这取决于分类的构建方式。在上面的例子中，分类是基于与中心线（边界）的距离，而没有考虑到增量的绝对值。如果引入增量的绝对值，分类原则上就会不同。其规模也将不同。

有2个输出，买和卖，它们的总和总是等于1。

我们教的是原则。

10点买入--我们把0.6；0.4。

20分 - 0.7；0.3

30分 - 0.8；0.2

销售方面的情况则相反。这样的训练方式是否正确，那么这些数值是否表明，类别的可能性越大，增量就越大？:)

还是有必要不做2个而是做N个班级，每个班级负责%的增量，比方说10个班级，每个下一个班级将增加10分

因此，问题是：如果我们不仅要预测买入/卖出的归属，而且要预测价格变化的程度，就一定要使用2类，或者多做一些

[[删除]]

马克西姆-德米特里耶夫斯基。

有两个出口，买入和卖出，它们的总和总是1。

教导有关原则。

10分买入 - 0.6；0.4。

20分 - 0.7；0.3

30分 - 0.8；0.2

销售方面的情况则相反。这样的训练方式是否正确，那么这些数值是否表明，类别的可能性越大，增量就越大？:)

还是有必要不做2个而是做N个班级，每个班级负责%的增量，比方说10个班级，每个下一个班级将增加10分

因此，问题是：如果你不仅想预测买入/卖出成员，而且想预测价格变化的程度，总是使用2个类或做得更多

这是错误的做法。

首先，必须至少有三种状态：买入、卖出、停止。

第二，你会发现为不同的运动状态（买入-增加、买入-刹车和卖出-增加、卖出-刹车）引入区别的必要性和有用性。

而最重要的是，你必须区分 "状态 "和 "行动"。为此，只考虑通过的点数是不够的。

[Maxim Dmitrievsky]

Oleg avtomat:

这是错误的做法。

首先，必须至少有三种状态：买入、卖出、停止。

第二，你会发现为不同的运动状态（买入-增加、买入-刹车和卖出-增加、卖出-刹车）引入区别的必要性和有用性。

而最重要的是，你必须区分 "状态 "和 "行动"。只考虑到移动的点数是完全不够的。

可以理解的是，其他州也可以加入。但是，它们不还是从属于一个或另一个类别（2个）的概率中得出的吗？

概率 是指某些事件 发生的可能性的程度（一种相对措施，一种定量评估）。当一个可能的事件在现实中发生的基础大于反对的基础时，该事件被称为可能的，否则被称为不可能 的或不可能 的。积极的理由比消极的理由多，反之亦然，可以在不同程度上使概率（和不可能性）变大 或变小^[1]。因此，概率往往是在定性的水平上进行评估，特别是在不可能或极难进行精确量化的情况下。不同等级的概率 "水平 "是可能的^[2]。

在我们的案例中，分类器将给出将目标分配到2个类别中的1个类别的概率，这意味着购买的概率越高，信号就越强，如果它减少或增加，那么就是抑制、放大和任何你想要的东西，所以同样可能只需要2个类别就足够了，然后解释他们的结果，或者不需要？:)

[Maxim Dmitrievsky]

Vizard_。

http://radikal.ru/video/u5ibCyXdqGF

可爱的人，你能就我的问题提供建议吗？ 我很困惑 :)

https://www.mql5.com/ru/forum/86386/page479#comment_5807576

[[删除]]

马克西姆-德米特里耶夫斯基。

可以理解的是，还可以增加其他州。但是，它们不还是从属于一个类别或另一个类别（2个）的概率中得出吗？

概率 是指某些事件 发生的可能性的程度（相对措施，量化）。当一个可能的事件在现实中发生的基础超过反对的基础时，该事件被称为可能的，否则被称为不可能 的或不可能 的。积极的理由比消极的理由多，反之亦然，可以在不同程度上使概率（和不可能性）变大 或变小^[1]。因此，概率往往是在定性层面上评估的，特别是在不可能或极难进行精确定量评估的情况下。不同等级的概率 "水平 "是可能的^[2]。

在我们的案例中，分类器将给出将目标分配到2个类别中的1个类别的概率，这意味着购买的概率越高，信号就越强，如果它减少或增加，那么就是抑制、放大和任何你想要的东西，所以同样可能只需要2个类别就足够了，然后解释他们的结果，或者不需要？:)

你有心情争论吗？ 还是你还有心情反思？你不想脱离2类分类。使之合理化。

[Maxim Dmitrievsky]

Oleg avtomat:

你是有心情争论，还是仍有心情反思？你不希望离开这两类分类。反映。

当然，经过反思，是的，2个班是一个舒适区：）我只是还没有买进......如果价格增量可以作为概率（增量越大，事件的概率越高），那么2个产出的概率可以用类似的方式来解释......为什么对我来说做不到这一点还不明显

[[删除]]

马克西姆-德米特里耶夫斯基。

当然，仔细想想，是的，2个班是一个舒适区 :) 我只是还没有进入......如果价格增量可以被视为概率（增量越大，事件的概率越高），那么2个产出的概率也可以用类似的方式来解释......为什么不能这样做，我还不清楚

严重错误。那么你怎么能把增量当作概率呢？你给出了概率的定义，但你自己了解它吗？

为了使之合理化：可能的增量范围是什么？在这个范围内，哪个增量是最频繁的？

当你理解了这一部分，你就可以继续前进。

[Maxim Dmitrievsky]

Oleg avtomat:

一个严重的错误。你怎么能把增量作为一个概率呢？你给了一个概率的定义，但你理解它吗？

为了使之合理化：可能的增量范围是什么？在这个范围内，哪个增量是最频繁的？

当你理解了这一部分，就可以继续前进。

我是这样看的。

接近零的增量告诉我们一个50/50的概率，即我们会给2个类别各0.5的概率（不确定性，不买也不卖）。

分别，我们可以将增量从0到1归一，其中0.5为不确定性，>0.5为买入，<卖出。数值越接近极值，事件的概率就越高（价格变化越大）。

一旦模型被训练好，它就会给出从0到1的相同数值，这可以解释为事件的概率（概率越高，绝对值的变化就越大）。

问题是将目标归属的概率解释为价格绝对值变化的概率是否正确（产出概率越高，预计变化越强）。

[[删除]]

马克西姆-德米特里耶夫斯基。

我的看法是这样的。

接近零的增量表示50/50的概率，即我们会给出2个各为0.5的概率等级（不确定性，既不买也不卖）。

分别，我们可以将增量从0到1归一，其中0.5是不确定性，接近1是买入，接近0是卖出。数值越接近极值，事件的概率就越高。

一旦模型被训练好，它就会给出从0到1的相同数值，这可以解释为某事发生的概率（概率越高，绝对值的变化越强）

增量和概率不是一回事。

一般来说，你必须从概率论课本开始。

[Maxim Dmitrievsky]

Oleg avtomat:

增量和概率不是一回事。

一般来说，你必须从概率论课本开始。

增量越正，越有可能被分配到一个副产品类别。正增量越大，就越有可能被分配到待定级，这一点清楚吗？由于任何高于0.5的东西都已经是买入类，随着概率的增加，绝对增量也在增加。