Support Vector Machine은 복잡한 데이터 세트를 평가하고 데이터를 분류하는 데 사용할 수 있는 유용한 패턴을 추출하기 위해 생물정보학 및 응용 수학과 같은 분야에서 오랫동안 사용되어 왔습니다. 이 글에서는 서포트 벡터 머신이 무엇인지, 어떻게 작동하는지, 왜 복잡한 패턴을 추출하는 데 유용할 수 있는지 살펴봅니다. 그런 다음 시장에 적용할 수 있는 방법과 잠재적으로 거래에 조언하는 데 사용할 수 있는 방법을 조사합니다. Support Vector Machine Learning Tool을 사용하여 이 글은 독자가 자신의 거래를 실험할 수 있는 작업 예제를 제공합니다.
서포트 벡터 머신은 입력 데이터를 가져와서 두 가지 범주 중 하나로 분류하는 머신 러닝 방법입니다. 서포트 벡터 머신이 효과적이려면 먼저 훈련 입력 및 출력 데이터 세트를 사용하여 새로운 데이터를 분류하는 데 사용할 수 있는 서포트 벡터 머신 모델을 구축해야 합니다.
서포트 벡터 머신은 학습 입력을 가져와 이를 다차원 공간에 매핑한 다음 회귀를 사용하여 두 개의 입력 클래스를 가장 잘 분리하는 초평면(초평면은 공간을 분리하는 n차원 공간의 표면)을 찾는 방식으로 이 모델을 개발합니다. 서포트 벡터 머신이 훈련을 마치게 되면 분리 초평면과 관련하여 새로운 입력을 평가하고 두 범주 중 하나로 분류할 수 있습니다.
서포트 벡터 머신은 본질적으로 입출력 머신입니다. 사용자는 입력을 할 수 있고 훈련을 통해 개발된 모델을 기반으로 출력을 반환합니다. 주어진 서포트 벡터 머신에 대한 입력 수는 이론적으로 1에서 무한대까지 다양하지만 실제적으로 계산 능력은 사용할 수 있는 입력 수를 제한합니다. 예를 들어, N개의 입력이 특정 서포트 벡터 머신에 사용되는 경우 (N의 정수 값은 1에서 무한대 사이일 수 있음), 서포트 벡터 기계는 각 입력 집합을 N차원 공간에 매핑하고 교육 데이터를 가장 잘 구분하는 (N-1)차원 초평면을 찾아야 합니다.
새로운 기고글 머신 러닝: 트레이딩에서 서포트 벡터 머신을 사용하는 방법 가 게재되었습니다:
Support Vector Machine은 복잡한 데이터 세트를 평가하고 데이터를 분류하는 데 사용할 수 있는 유용한 패턴을 추출하기 위해 생물정보학 및 응용 수학과 같은 분야에서 오랫동안 사용되어 왔습니다. 이 글에서는 서포트 벡터 머신이 무엇인지, 어떻게 작동하는지, 왜 복잡한 패턴을 추출하는 데 유용할 수 있는지 살펴봅니다. 그런 다음 시장에 적용할 수 있는 방법과 잠재적으로 거래에 조언하는 데 사용할 수 있는 방법을 조사합니다. Support Vector Machine Learning Tool을 사용하여 이 글은 독자가 자신의 거래를 실험할 수 있는 작업 예제를 제공합니다.
서포트 벡터 머신은 입력 데이터를 가져와서 두 가지 범주 중 하나로 분류하는 머신 러닝 방법입니다. 서포트 벡터 머신이 효과적이려면 먼저 훈련 입력 및 출력 데이터 세트를 사용하여 새로운 데이터를 분류하는 데 사용할 수 있는 서포트 벡터 머신 모델을 구축해야 합니다.
서포트 벡터 머신은 학습 입력을 가져와 이를 다차원 공간에 매핑한 다음 회귀를 사용하여 두 개의 입력 클래스를 가장 잘 분리하는 초평면(초평면은 공간을 분리하는 n차원 공간의 표면)을 찾는 방식으로 이 모델을 개발합니다. 서포트 벡터 머신이 훈련을 마치게 되면 분리 초평면과 관련하여 새로운 입력을 평가하고 두 범주 중 하나로 분류할 수 있습니다.
서포트 벡터 머신은 본질적으로 입출력 머신입니다. 사용자는 입력을 할 수 있고 훈련을 통해 개발된 모델을 기반으로 출력을 반환합니다. 주어진 서포트 벡터 머신에 대한 입력 수는 이론적으로 1에서 무한대까지 다양하지만 실제적으로 계산 능력은 사용할 수 있는 입력 수를 제한합니다. 예를 들어, N개의 입력이 특정 서포트 벡터 머신에 사용되는 경우 (N의 정수 값은 1에서 무한대 사이일 수 있음), 서포트 벡터 기계는 각 입력 집합을 N차원 공간에 매핑하고 교육 데이터를 가장 잘 구분하는 (N-1)차원 초평면을 찾아야 합니다.
작성자: Josh Readhead