10、机器学习在股票预测与物联网入侵检测中的应用

机器学习在股票预测与物联网入侵检测中的应用

1. 股票市场预测

1.1 股票预测现状与研究内容

在当今环境下，预测股票未来价格是一项极具挑战性的任务。有研究对五种机器学习模型在 NIFTY - 50 指数上的有效性进行了分析，该研究采用过去五年的股票历史价格数据进行预测，并基于均方误差（MSE）、均方根误差（RMSE）、平均绝对误差（MAE）、平均绝对百分比误差（MAPE）和准确率对机器学习模型的结果进行评估。

1.2 模型评估结果

评估结果显示，长短期记忆网络（LSTM）在准确率和误差因素方面均优于其他选定的算法。以下是评估指标的简单说明：
| 评估指标 | 说明 |
| ---- | ---- |
| MSE | 衡量预测值与真实值之间误差的平方的平均值 |
| RMSE | MSE 的平方根，能直观反映误差的平均水平 |
| MAE | 预测值与真实值之间绝对误差的平均值 |
| MAPE | 以百分比形式表示的平均绝对误差 |
| 准确率 | 模型预测正确的比例 |

1.3 研究局限性

这项研究存在一定的局限性：
- 数据局限性 ：仅利用历史股票价格数据进行模型建模和评估，缺乏对可能影响股票价格的其他因素（如新闻发布、管理层变动、供需关系、公众对公司的情绪、交易量等）的考虑，因此可能无法进行准确的实时股票预测。
- 市场局限性 ：分析仅针对代表印度股市的 NIFTY - 50 股票，相同的方法可能不适用于不同的股票市场，需要更多评估来确定