机构名称：
¥ 1.0
机器学习（ML）是人工智能（AI）的应用，它允许系统从经验中学习和改进而无需明确编程。在效果中，它是关于开发可以访问数据并自行学习的预测模型。有几种类型的学习，我们区分：监督学习：是使用真理完成的，也就是说，我们对样本的输出值应该是什么。因此，此类学习的目标是学习一个给定数据示例和所需结果的函数，以便最好地近似可观察到的输入和输出之间的关系。有两种类型的监督学习。分类算法试图预测试图预测连续价值的类别/类别和回归算法。无监督的学习：旨在进行数据结构推理。无监督学习中的两个最常见的子类别是聚类和降低性。在聚类观测中以一种产生较高的组内模拟和低组间相似性的方法进行了分组。已提出的聚类方法的不同类型是基于熵的，基于密度和基于分布的方法。降低维度旨在通过降低其维度，同时保留大多数固有信息来增加数据的信息密度。基于主成分分析（PCA）有不同的技术，该技术得出了原始变量的线性组合，以涵盖数据中尽可能多的差异。此第二，基于神经网络的方法通过特定的体系结构降低了维度。AI越来越多地通过令人印象深刻的应用进入我们的日常生活。本文讨论了使用ML来解决财务研究中的问题。
如何在金融中使用机器学习-Mestiri，Sami
主要关键词
相关文件推荐
