1636660533

ilość prawidłowo sklasyfikowanych dni wzrostowych i spadkowych ale również budowę klasyfikatora uwzględniającego wielkości wzrostów i spadków, co wydaje się kluczowe przy inwestowaniu na giełdzie.

Porównanie klasyfikatora CPL z metodą SVM i modelem logistycznym

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(x_i)] + 'to(w) }    (5)

i= 1

Gdzie yi G {0,1}. W przypadku SVM i CPL koszty związane z obiektami są identyczne i wyglądają następująco:

costf^VM,CPL(xi) = maa;(0; 9+1 — w^rXj) costQ^VM,CPL(xi) = maa:(0; 9 — 1 + w^TXj)

(6)

Inaczej wyglądają natomiast w przypadku modelu logistycznego (ML):

COSif ^L(Xi) = ~^Og_{x + c}_(¹wr^_|+fl)    i) = -Ml -₁ + e_(¹_wx„_+>))

(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).

*r^w(_W)=|K    w

j=i

N

*f^Pi(w) = A^K|    (9)

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