ilość prawidłowo sklasyfikowanych dni wzrostowych i spadkowych ale również budowę klasyfikatora uwzględniającego wielkości wzrostów i spadków, co wydaje się kluczowe przy inwestowaniu na giełdzie.
Każde z tych trzech podejść poszukuje pewnej hiperpłaszczyzny o parametrach 9 i w poprzez minimalizację podobnych funkcji. Generalnie wszystkie trzy funkcje mają dwa zasadnicze człony. Pierwszy związany z karami dla każdego obiektu, tutaj zostały one zapisane w postaci dwóch funkcji cost0 oraz cost\, drugi natomiast z wartościami wektora rozwiązań w tzw. członu regularyzacyjnego <f>o(w).
min(w,9) { J](i/icosii(xi) + (l-B)cos(o(xi)] + 'to(w) } (5)
i= 1
Gdzie yi G {0,1}. W przypadku SVM i CPL koszty związane z obiektami są identyczne i wyglądają następująco:
costfVM,CPL(xi) = maa;(0; 9+1 — wrXj) costQVM,CPL(xi) = maa:(0; 9 — 1 + wTXj)
Inaczej wyglądają natomiast w przypadku modelu logistycznego (ML):
(7)
W przypadku regularyzacji jest ona identyczna dla modelu logistycznego ML i maszyny wektorów wspierających SVM (norma Z2) natomiast inna dla modelu CPL (norma li).
j=i
N
j=1
Rozpatrywany w tym rozdziale model SVM dotyczy jedynie przypadku, gdy funkcja jądrowa jest liniowa. Pomimo podobieństw wszystkich 3 modeli, różnice otrzymywanych rozwiązań mogą być znaczne.
6