本文介绍了如何运用机器学习中的支持向量机模型预测股票市场涨跌。首先，阐述了机器学习的基本原理和类型，重点讲解了支持向量机的工作机制。接着，详细描述了如何利用支持向量机对股票数据进行预测，并进行了参数优化。最后，展示了一个基于支持向量机的股票策略，包括策略思路、回测结果和稳健性分析，策略在不同时间段表现出良好的稳定性和盈利能力。
1. 原理
什么是机器学习？
随着计算机技术的发展，投资者不再只局限于传统投资策略，机器学习在资本市场得到广泛应用。机器学习的核心是通过机器模仿人类的思考过程以及思维习惯，通过对现有数据的学习，对问题进行预测和决策。目前，机器学习已在人脸识别、智能投顾、自然语言处理等方面得到广泛应用。
机器学习可以分为两类，一类是无监督学习，另一类是监督学习。监督学习是指按照已有的标记进行学习，即已经有准确的分类信息。比如二分类问题，一类是“好”，另一类是“不好”，这种明确地指出分类基准的问题。这类模型包括：神经网络、决策树、支持向量机等。
无监督学习是指针对未标记过的数据集进行学习。比如聚类问题，没有准确的标准说明应该聚成几类，只有相对概念。这类模型包括：K_means聚类、层次聚类法等。
什么是支持向量机？
支持向量机是最典型的一类机器学习模型，常用于解决二分类问题。支持向量机的原理是在一个样本空间内，找到一个平面，将样本数据分为两个部分，即两个分类，这个平面就叫做超平面。
怎样确定超平面？
假设有一个线性可分的二分类问题如图所示。
已知A、B、C三条线均可以将样本空间分为两类ÿ
最低0.47元/天 解锁文章
819
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
