Andere Kunden interessierten sich auch für
![MONITORAGGIO DEI CAMPI COLTIVATI CON L'IOT E L'APPRENDIMENTO AUTOMATICO]( "MONITORAGGIO DEI CAMPI COLTIVATI CON L'IOT E L'APPRENDIMENTO AUTOMATICO")
MONITORAGGIO DEI CAMPI COLTIVATI CON L'IOT E L'APPRENDIMENTO AUTOMATICO32,99 €![Colmare il divario - L'apprendimento automatico nell'assistenza sanitaria]( "Colmare il divario - L'apprendimento automatico nell'assistenza sanitaria")
Colmare il divario - L'apprendimento automatico nell'assistenza sanitaria32,99 €![L'apprendimento automatico e le sue applicazioni in agricoltura]( "L'apprendimento automatico e le sue applicazioni in agricoltura")
L'apprendimento automatico e le sue applicazioni in agricoltura34,99 €![Apprendimento automatico per principianti]( "Apprendimento automatico per principianti")
Apprendimento automatico per principianti32,99 €![Esplorare i confini: L'ambito dell'apprendimento automatico nelle applicazioni moderne]( "Esplorare i confini: L'ambito dell'apprendimento automatico nelle applicazioni moderne")
Esplorare i confini: L'ambito dell'apprendimento automatico nelle applicazioni moderne32,99 €![Python al centro: Apprendimento automatico e oltre]( "Python al centro: Apprendimento automatico e oltre")
Python al centro: Apprendimento automatico e oltre32,99 €![Apprendimento automatico per le previsioni microeconomiche]( "Apprendimento automatico per le previsioni microeconomiche")
Apprendimento automatico per le previsioni microeconomiche32,99 €
Il processo decisionale del mercato azionario è un compito molto impegnativo e difficile di previsione dei dati finanziari. Prevedere il mercato azionario con un'elevata accuratezza del movimento produce profitti per gli investitori in azioni. A causa della complessità dei dati finanziari del mercato azionario, lo sviluppo di modelli efficaci per la previsione delle decisioni è molto difficile e deve essere accurato. Questo studio ha cercato di sviluppare modelli per la previsione del mercato azionario e per decidere se acquistare/tenere le azioni utilizzando tecniche di data mining e machine learning. Per sviluppare il modello di previsione sono state utilizzate tecniche di apprendimento automatico come Naive Bayes, k-Nearest Neighbor (k-NN), Support Vector Machine (SVM), Artificial Neural Network (ANN) e Random Forest. Gli indicatori tecnici sono calcolati dai prezzi delle azioni sulla base dei dati storici e vengono utilizzati come input dei modelli di previsione proposti. Sono stati utilizzati dieci anni di dati del mercato azionario per la previsione dei segnali dei titoli. Sulla base del set di dati, questi modelli sono in grado di generare segnali buy/hold per il mercato azionario come output.