Discussão do artigo "Aprendizagem de máquina: Como as máquinas de vetores de suporte podem ser utilizadas nas negociações"
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Novo artigo Aprendizagem de máquina: Como as máquinas de vetores de suporte podem ser utilizadas nas negociações foi publicado:
As máquinas de vetores de suporte foram por muito tempo usadas em campos como de bioinformática e aplicava matemática para avaliar conjuntos de dados e extrair padrões úteis que podem ser usados para classificar dados. Este artigo visa em como é uma máquina de vetor de suporte, como trabalha e por que pode ser tão útil na extração de padrões complexos. Podemos investigar como elas podem ser aplicadas ao mercado e potencialmente usadas para aconselhar sobre negócios. Usando a Ferramenta de aprendizado da máquina de vetor de suporte, o artigo fornece exemplos trabalhados que permitem que os leitores experimentem com seus próprios negócios.
O que é uma máquina de vetores de suporte?
Uma máquina de vetores de suporte (SVM) é um método de aprendizagem de máquina que tenta tomar dados de entrada e classificá-los em uma entre duas categorias. Para que uma máquina de vetores de suporte seja eficaz, primeiramente é necessário utilizar um conjunto de dados de entrada e de saída de treinamento para construir o modelo de máquina de vetores de suporte que pode ser utilizado para classificação de novos dados.
Uma máquina de vetores de suporte desenvolve esse modelo tomando as entradas de treinamento, mapeando elas no espaço multidimensional e utilizando regressão para encontrar um hiperplano (um hiperplano é uma superfície em espaço de n dimensões que o separa em duas metades de espaço) que melhor separa duas classes de entradas. Uma vez que a máquina de vetores de suporte tenha sido treinada, ela é capaz de avaliar novas entradas em relação ao hiperplano divisor e classificá-las em uma entre duas categorias.
Uma máquina de vetores de suporte é essencialmente uma máquina de entrada/saída. Um usuário é capaz de inserir uma entrada e, com base no modelo desenvolvido através de treinamento, ela devolverá uma saída. O número de entradas para qualquer máquina de vetores de suporte especificada, teoricamente, varia de um a infinito. Entretanto, em termos práticos, a capacidade computacional limita a quantidade de entradas que pode ser utilizada. Se, por exemplo, N entradas são utilizadas para uma máquina de vetores de suporte específica (o valor inteiro de N pode variar de um a infinito), a máquina deve mapear cada conjunto de entradas no espaço de N dimensões e encontrar um hiperplano de N-1 dimensões que melhor separa os dados de treinamento.
Autor: Josh Readhead