文章 "机器学习：支持向量机如何应用于交易"

[MetaQuotes]

新文章 机器学习：支持向量机如何应用于交易已发布：

长 时间以来，支持向量机一直被应用于生物信息学和应用数学等领域，以评估复杂数据集以及提取可用于数据分类的有用模式。本文会研究何为支持向量机、它们的工 作方式，以及为什么说它们在提取复杂模式时非常有用。之后，我们再研究如何将其应用于市场，并发挥交易建议的潜在作用。本文将提供使用支持向量机学习工具 的有效示例，让读者能够试验自己的交易。

何为“支持向量机”？

支持向量机是一种机器学习的方法，尝试将输入的数据分为两类。要使支持向量机生效，首先要使用一系列训练输入和输出数据来建立支持向量机的模型（用于新数据分类）。

支持向量机模型是这样建立的：获取训练输入，将其映射至多维空间，使用回归算法找到可最佳分离两类输入数据的超平面（超平面是一个在 n 维空间中将空间划分为两个半空间的一个平面）。一旦支持向量机完成了受训，它就可以评估有关划分超平面的新输入数据，并将划分为其中一类。

支持向量机本质上是一个输入/输出型机器。用户可以输入一个数据，以训练建立的模型为基 础，返回一个输出结果。理论上，任何给定支持向量机可支持的输入数据的数量范围为 1 到无穷大；然而在实际应用中，运算能力确实成为了输入数据使用量的瓶颈。举例说，有 N 个输入数据用于某一特定支持向量机（N 取 1 至无穷大之间的自然数），支持向量机就必须将每一个输入数据组映射至 N 维空间，并找到最能分离训练数据的 N-1 维超平面。

作者：Josh Readhead

[Ling Yun Liu]

很好，不错的思路