文章 "数据科学与机器学习（第 02 部分）：逻辑回归" 新评论 MetaQuotes 2022.07.25 07:48 新文章 数据科学与机器学习（第 02 部分）：逻辑回归已发布： 数据分类对于算法交易者和程序员来说是至关重要的。 在本文中，我们将重点关注一种分类逻辑算法，它有帮于我们识别“确定或否定”、“上行或下行”、“做多或做空”。 将线性模型传递给逻辑函数 (sigmoid/p) =1/1+e^t ，其中 t 是线性模型，其结果是介于 0 和 1 之间的值。 这表示出的数据点的概率都属于一个等级。 替代用线性模型的 y 作为依赖项，其函数则显示为 “p” 作为依赖项 p = 1/1+e^-(c+m1x1+m2x2+....+mnxn)，多值的情况 如早前所述，希格玛曲线旨在将无穷大的数值转换为二元形式的输出（0 或 1）。 但是，如果我有一个位于 0.8 的数据点，如何确定该值是零还是一？ 这就是阈值发挥作用之处。 阈值表示获胜或失败的概率，它位于 0.5（0 和 1 的中心）。 任何大于或等于 0.5 的值将四舍五入为 1，因此被视为赢家，而任何低于 0.5 的值将四舍五入为 0，故因此被视为输家，现在是我们看到线性回归和逻辑回归之间差异的时候了。 作者：Omega J Msigwa 新评论 原因: 取消 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
新文章 数据科学与机器学习（第 02 部分）：逻辑回归已发布：
数据分类对于算法交易者和程序员来说是至关重要的。 在本文中，我们将重点关注一种分类逻辑算法，它有帮于我们识别“确定或否定”、“上行或下行”、“做多或做空”。
将线性模型传递给逻辑函数 (sigmoid/p) =1/1+e^t ，其中 t 是线性模型，其结果是介于 0 和 1 之间的值。 这表示出的数据点的概率都属于一个等级。
替代用线性模型的 y 作为依赖项，其函数则显示为 “p” 作为依赖项
p = 1/1+e^-(c+m1x1+m2x2+....+mnxn)，多值的情况
如早前所述，希格玛曲线旨在将无穷大的数值转换为二元形式的输出（0 或 1）。 但是，如果我有一个位于 0.8 的数据点，如何确定该值是零还是一？ 这就是阈值发挥作用之处。
阈值表示获胜或失败的概率，它位于 0.5（0 和 1 的中心）。
任何大于或等于 0.5 的值将四舍五入为 1，因此被视为赢家，而任何低于 0.5 的值将四舍五入为 0，故因此被视为输家，现在是我们看到线性回归和逻辑回归之间差异的时候了。
作者：Omega J Msigwa