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

[MetaQuotes]

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