使用SVM分类器和多种算法提高准确性

我正在进行的一个项目中,我希望预测市场趋势并据此进行多头或空头操作。我打算使用强化学习算法。然而,我最近读到的一篇论文中,作者建议使用一个两级系统;首先使用SVM分类器来确定市场趋势,然后基于市场的正面、负面或横向趋势使用三种不同的算法。因此,每种算法都使用相同趋势的数据进行训练,这样可以减少变异性。

我的问题是,使用三种算法是否能提高结果的准确性,还是一个模型(使用相同总量的数据)能提供相同的准确性?

如果这个问题看起来很基础,我表示歉意,我是机器学习的新手,渴望学习。谢谢


回答:

不同的模型有不同的优点和缺点。这正是使用集成模型的核心思想。

你可以训练一个随机森林adaboost

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注