Kapitel 6. Überwachtes Lernen: Klassifizierung
Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: translation-feedback@oreilly.com
Hier sind einige der wichtigsten Fragen, die Finanzanalysten zu lösen versuchen:
-
Wird ein Kreditnehmer seinen Kredit zurückzahlen oder in Verzug geraten?
-
Wird der Preis des Instruments steigen oder fallen?
-
Ist diese Kreditkartentransaktion ein Betrug oder nicht?
Alle diese Problemstellungen, bei denen das Ziel darin besteht, die kategorialen Klassenbezeichnungen vorherzusagen, sind von Natur aus für klassifizierungsbasiertes maschinelles Lernen geeignet.
Klassifizierungsbasierte Algorithmen werden in vielen Bereichen des Finanzwesens eingesetzt, in denen die Vorhersage einer qualitativen Antwort erforderlich ist. Dazu gehören die Erkennung von Betrug, die Vorhersage von Zahlungsausfällen, die Kreditwürdigkeitsprüfung, die Vorhersage der Kursentwicklung von Vermögenswerten und Kauf-/Verkaufsempfehlungen. Es gibt viele weitere Anwendungsfälle für klassifizierungsbasiertes überwachtes Lernen im Portfoliomanagement und im algorithmischen Handel.
In diesem Kapitel behandeln wir drei solcher klassifizierungsbasierten Fallstudien, die verschiedene Bereiche abdecken, darunter Betrugserkennung, Kreditausfallwahrscheinlichkeit und die Formulierung einer Handelsstrategie.
In "Fallstudie 1: Betrugserkennung" verwenden wir einen klassifikationsbasierten Algorithmus, um vorherzusagen, ob eine Transaktion ...
Get Maschinelles Lernen und Data Science Blueprints für Finanzen now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
