基于深度學(xué)習(xí)組合模型的股價(jià)預(yù)測(cè)分析
【文章頁(yè)數(shù)】:65 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
圖2-1ARIMA模型流程圖
ARIMA的整體建模步驟可表示為圖2-1:2.2SVR算法及相關(guān)理論
圖2-2支持向量機(jī)的主要三種模型
支持向量機(jī)(SVM)的學(xué)習(xí)策略則是將距離最優(yōu)化,因此它的學(xué)習(xí)算法也是距離最優(yōu)化的計(jì)算,它主要分為三個(gè)類(lèi)型:線(xiàn)性可分支持向量機(jī)、線(xiàn)性可支持向量機(jī)和非線(xiàn)性支持向量機(jī),如下圖所示:線(xiàn)性問(wèn)題比較容易理解,但是非線(xiàn)性問(wèn)題在求解時(shí)往往比較復(fù)雜,因而可使用非線(xiàn)性變換法將非線(xiàn)性問(wèn)題轉(zhuǎn)化為線(xiàn)性問(wèn)題....
圖2-3目標(biāo)函數(shù)不敏感帶以及松弛變量
輸入值x對(duì)應(yīng)的輸出值是標(biāo)簽值y的估計(jì)值。統(tǒng)計(jì)學(xué)中用損失函數(shù)作為模型誤差的度量,其函數(shù)結(jié)構(gòu)的設(shè)計(jì)可以使其在一定范圍內(nèi)忽略模型產(chǎn)生的誤差,此可被忽略的誤差范圍被稱(chēng)為不敏感帶。圖2-3展示了不敏感帶的作用機(jī)理。由其可以引出相應(yīng)的不敏感損失函數(shù),線(xiàn)性條件下其具體定義如下:
圖2-4SVR模型轉(zhuǎn)換過(guò)程
與線(xiàn)性回歸不同,非線(xiàn)性回歸是指在數(shù)據(jù)訓(xùn)練集中線(xiàn)性不可分的情況下,通過(guò)非線(xiàn)性變換將訓(xùn)練樣本映射到高維空間,并在高維空間通過(guò)核函數(shù)實(shí)現(xiàn)線(xiàn)性變換,具體過(guò)程如圖2-4所示:對(duì)于非線(xiàn)性問(wèn)題,將線(xiàn)性回歸函數(shù)2.41的內(nèi)積函數(shù)替換成非線(xiàn)性核函數(shù)即可,其表示為:
本文編號(hào):4004846
本文鏈接:http://lk138.cn/jingjifazhanlunwen/4004846.html
下一篇:沒(méi)有了