支持向量机发展历程及其应用.pdfVIP

学术研究

支持向量机发展历程及其应用

李召桐

摘要：股票投资作为一种常见的投资方式，其投资方法也日新月异。越来越多的投资分析师利用计算机分析数

据的优势来进行股票交易。支持向量机（SupportVectorMachine，SVM）作为一种数据挖掘技术，在高维、非

线性、过拟合等问题上具有较强处理能力，在股价预测方面表现出特有优势。系统论述了支持向量机的发展及

其在预测领域中的应用，并构建SVM股票预测模型，运用股票数据对股票进行涨跌情况预测，通过选取核函数

以及调整参数，并计算准确率、精确度、召回率、F1值等预测模型评估指标，分别进行SVM模型和SVM_RBF模型

构建及模型效果评估。

关键词：支持向量机；股价预测；核函数

一、前言真正降低了风险。Ｈ和Ｈ上的数据样本点就叫做支

12

作为一种新的机器学习方法，依据结构风险最小原持向量（SupportVector）。

n

理，支持向量机表现出独特的泛化和推广能力，已逐渐假设给定样本数据为(x,y),i=1，2，...,其中x∈Ｒ，

iii

成为国内外机器学习研究的热点之一。20世纪90年代ｙ∈{-1，+1}。ｎ维空间中的线性判别式为：

i

提出了支持向量机（SVM）的概念：支持向量机以统计f(x)=(m*x)+n

i

学习理论（SLT）为基础，基于结构风险最小化（SRM）分类超平面方程为：

原理建立数据模型，为解决有限数据样本情况下的统(m*x)+n=0

i

计模式识别奠定了坚实的基础。与传统机器学习方法相其中，m为权重向量；n为偏置向量。

_