Реализация теоремы Байеса в фитнес-функции
В проекте эволюционного программирования, над которым я работаю, я подумал, что было бы полезно использовать формулу в теореме Байеса. Хотя я не совсем уверен, как это будет выглядеть.
Таким образом, развивающиеся программы пытаются предсказать будущее состояние временного ряда, используя прошлые данные. Учитывая некоторые данные о ценах в прошлом n дни программа будет предсказывать либо buy если он предсказывает, что цена вырастет, sell если упадет, leave если есть слишком мало движения.
Исходя из моего понимания, я выясняю вероятность того, что модель будет точной в отношении покупки по следующему алгоритму после тестирования ее на исторических данных и записи правильных и неправильных прогнозов.
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
Правильно ли я интерпретирую теорему Байеса и подходит ли эта функция пригодности?
Как бы я совместил функцию пригодности для всех прогнозов? (в моем примере я показываю только прогнозную вероятность buy прогнозирование)