文章 "数据科学与机器学习（第 11 部分）：朴素贝叶斯（Bayes），交易中的概率论"
一切都好，一切都妙，但唯一的问题是，这些指标并不是独立的，它们是同一事物的相互转换。从一个指标的读数可以推导出其他指标的读数，而公式是已知的。
贝叶斯不会做任何事情。
"它 "是如何工作的？
，仅仅下载并在测试器中运行就有点耗费精力。在文章中，我没有找到 "要教学，请按 X "的说明
又是学术方面的东西。
，仅仅下载并在测试器中运行就有点耗费精力。在文章中，我没有找到 "要教学，请按 X "的说明
又是学术方面的东西。
我在大学攻读财务规划学位时确实学过概率。
我从未在交易中使用过传统意义上的 "概率 公式"--"概率=有利结果数/结果总数"--来分析概率，尽管我可能应该这么做！
话虽如此，但实际上这就是标准偏差的意义所在，因为它提供了在给定时间范围内交易与均值的偏差（因此也提供了反转或继续交易的概率）。(例如，如果价格接近 SD1，则返回均值的概率为 68%；如果达到 SD2，则概率为 95.5%；如果达到 SD3，则概率为 99.7%），因此，在衡量交易头寸何时可能转向相反方向时，标准差非常方便，尤其是在使用标准差通道等工具时。
是的，我确实使用概率，但不是直接使用传统的概率公式。
不过，当涉及到神经网络分析时，我肯定能看到概率在神经网络训练和反思中的可能应用！
新文章 数据科学与机器学习（第 11 部分）：朴素贝叶斯（Bayes），交易中的概率论已发布：
概率交易就像走钢丝一样 — 它需要精确、平衡和对风险的敏锐理解。 在交易世界中，概率就是一切。 这是成功与失败、盈利与亏损的区别。 通过利用概率的力量，交易者可以做出明智的决策，有效地管理风险，并实现他们的财务目标。 故此，无论您是经验丰富的投资者还是交易新手，了解概率都是解锁您的交易潜能的关键。 在本文中，我们将探索令人兴奋的概率交易世界，并向您展示如何将您的交易博弈提升到一个新的水平。
朴素贝叶斯分类器是一种概率算法，用于机器学习中的分类任务。 它基于贝叶斯定理，该定理根据给定证据计算假设的概率。 这种概率分类器在各种情况下都是一种简单而有效的算法。 它假定进行分类的特征彼此独立。 例如：如果您希望此模型在给定身高、脚大小、体重和肩长的情况下对人类（男性和女性）进行分类，则该模型将所有这些变量视为彼此独立，在这种情况下，它甚至并不认可脚的大小和身高与人类有关。
由于这个模型不会费心去理解自变量之间的范式，我认为我们应该给它一个机会，尝试用它来做出明智的交易决策。 我相信在交易领域，没有人完全理解这些范式，所以，我们来看看朴素贝叶斯的表现如何。
作者：Omega J Msigwa