私が取り組んでいる進化的プログラミング プロジェクトでは、ベイズの定理の式を使用することは有用なアイデアであると考えました。それがどのように見えるかは完全にはわかりませんが。
そのため、進化しているプログラムは、過去のデータを使用して時系列の将来の状態を予測しようとしています。過去数日間の価格データが与えられるとn、プログラムはbuy、価格が上昇すると予測するか、sell下落すると予測するか、leave動きが少なすぎると予測します。
私の理解では、履歴データでテストし、正しい予測と誤った予測を記録した後、次のアルゴリズムを使用して、購入に関してモデルが正確である確率を計算します。
prob-b-given-a = correct-buy-predictions / total
prob-a = actual-buy-count / total
prob-b = prediction-buy-count / total
prob-a-given-b = (prob-b-given-a * prob-a) / prob-b
fitness = prob-a-given-b //last step for clarification
ベイズの定理を正しく解釈していますか?これは適切なフィットネス関数ですか?
すべての予測に対してフィットネス関数をどのように組み合わせるのですか? （私の例では、予測の予測確率のみを示していますbuy）