① SVM回歸預測程序問題，求幫助
《MATLAB神經網路30個案例分析》裡面有一個用SVM做股票開盤價分析的程序
他裡面有這么幾句
ts = sh(2:m,1);
tsx = sh(1:m-1,:);
%歸一化 。。。
model = svmtrain(TS,TSX,cmd);
[predict,mse, decision_values] = svmpredict(TS,TSX,model);
他這個不是在用訓練集預測自己嗎？這樣有什麼意義？
另外我的時間序列每次只有一個數據，預測的時候是不是就只有一個特徵？
謝謝！！
② 用移動平均法預測股票價格的優點和缺點
主要是滯後，沒有提前量
③ 利用BP神經網路預測股票價格走勢
參考 matlab神經網路30例 中有一個股票預測的案例
我覺得svm做這個更好
④ 用svm做回歸預測，為什麼預測值都是一樣的
第一，要先看你建立的回歸方程中各個自變數是否都具有顯著預測作用；第二，你的回歸方程預測效果如何，也就是決定系數R方有多大，如果預測效果很差，用方程計算出來的值和原始值肯定出入很大。除非R方等於1，否則不可能用方程預測出來的值都和原始值完全一樣。
⑤ 求支持向量機預測股票價格的MATLAB程序，謝謝！
這個，可多啊，我有
⑥ 用svm做回歸預測，為什麼預測值都是一樣的
我發現我的問題是gamma那個參數設置的太大了，在默認參數附近設置就好了
⑦ 用libsvm做時間序列預測，為什麼訓練數據越少越准確
樓主的說法似乎不太對
首先，訓練數據的主要區別是什麼是測試數據：
如果我有一堆計時數據，首先隨機分為兩堆，一堆訓練只用於看模型是好的，然後前者稱為訓練數據。下面是幾個訓練數據序列。（注意不要把訓練數據的結果作為模型質量的度量，這是最基本的）。
最後，如果像預測股票價格一切都那樣簡單，那麼就不需要這么多機器學習和金融專家才能進行高頻交易。
⑧ 如何利用Python預測股票價格
預測股票價格沒有意義。
單支股票價格，多股組合，大盤這些都可以使用神經網路來學習，02年就做過了，漲跌預測平均能達到54%到57%的准確率，但是只能定性，無法定量，因此，在扣除印花稅之後無利可圖。
純粹使用股票交易數據來預測並保證總體獲利不是程序能辦到的，人也辦不到。
目前世界上最先進的炒股機器也只能利用網路時差那微不可計的零點幾秒在歐洲與美國證券間倒來倒去，那套系統研發費用數千萬，硬體（主要是獨立光纜）費用以億計。
⑨ 用svm建立的模型進行預測，怎麼預測的數據完全一樣啊
1、首先輸入數據集，分析數據維度，可以看到共有0,1,2,3四個類別，如下圖所示。