記事"マシンラーニング：サポートベクターマシンをトレーディングで利用する方法"についてのディスカッション
alsu:
Вот я бы все таки отметил, что метод не бует работать, если хотя бы один из классов не связный, то есть состоит из 2 и более непересекающихся подгрупп. Например, если Шняки (на самом деле - компьютер перед анализом этого не знает!) бывают 2 видов - зеленоватые, весом 100 кг и которые любят морковку и радужно-блестящие весом 30 кг, которые морковку не переносят, но зато хавают селедку, то провести гиперплоскость между "шняками" и "не шняками" будет довольно проблематично. А такая ситуация на рынке, да еще и в многомерном случае, типична вполне.
...そして、この 問題を解決するためにこの アルゴリズムを使用することができます。ありがとうございました！
追伸：申し訳ありませんが、我慢できませんでした．:)
1) あなたは9本の足（！）と4つの目を持つ生き物を見ています。それは不具合ではありません！スナックだ！
2) 動物の交尾周波数は14000Hz（1秒間に14000回）。0_o
トレーディングにSVMを導入するのに非常に役立つ！
素晴らしい仕事だ！
- 無料取引アプリ
- 8千を超えるシグナルをコピー
- 金融ニュースで金融マーケットを探索
新しい記事 マシンラーニング：サポートベクターマシンをトレーディングで利用する方法 はパブリッシュされました:
「サポートベクターマシン」は生物情報学分野でこれまで長く利用され、複雑なデータセットを評価し、データ分類すに利用できる有用なパターンを抽出するため数学を利用しています。本稿はサポートベクターマシンとは何か、それがどのように役立つか、またなぜ複雑なパターンを抽出するのに便利かを考察します。そしてそれをマーケットに応用する方法、およびトレードを行う上で将来役立つであろう使用方法を調査します。また「サポートベクターマシン学習ツール」を使用し、読者のみなさんがご自身のトレーディングで実験することができる実用例を提供します。
サポートベクターマシンとはマシン学習の一手法でインプットデータを取得し1～2個のカ テゴリーに分類する試みです。サポートベクターマシンが効果的なものとなるように、まずトレーニングの入力と出力データセットを使用し、新しいデータを分 類するのに使うサポートベクターマシンモデルを構築します。
サポートベクターマシンはトレーニング用インプットを取り、そのデータを多次元スペースにマッピングし、2 種類のインプットを分離するのにベストな 超平面（超 平面とはスペースを二分割するｎ次元空間における表面）を見つけるために回帰を利用してこのモデルを開発します。ひとたびサポートベクターマシンがトレー ニングされると、超平面を分離することに関して新しいインプットを評価し、2種類のカテゴリーの一つに分類することができます。
サポートベクターマシンは基本的にインプット／アウトプットマシンです。ユーザーはイン プットを入れ、トレーニングによって発展したモデルを基にそれがアウトプットを返します。既定のサポートベクターマシンに対するインプット数は理論的には 1から無限の範囲ですが、実践的には計算力によって制限されます。たとえば、入力数 N が特定のサポートベクターマシンに対して使われると（N の整数値は1から無限の範囲です）、サポートベクターマシンは各インプットセットを N次元空間にマップしトレーニングデータをもっともよく区別する (N-1)次元の超平面を見つけます。
作者: Josh Readhead