33、卡纳达语文件分类与股票市场异常检测

卡纳达语文件分类与股票市场异常检测

1. 卡纳达语文件分类

1.1 文档 - 术语矩阵

所有文档的k维向量构成文档 - 术语矩阵，其中行代表文档，列代表术语，矩阵中分配给文档术语的值为权重。该矩阵会被机器学习算法用于分类任务。

1.2 分类算法

• K近邻（K - NN）分类器 ：这是一种非参数方法，属于基于实例的学习算法或惰性学习算法。它会在整个数据集中搜索与未见过的数据实例最相似的“K”个实例（文档），然后以这“K”个实例中占多数的标签进行预测。在卡纳达语文档分类（KDC）中，实例间的相似度通过欧几里得距离衡量，公式如下：
  [
  \left|\overrightarrow{X}-\overrightarrow{Y}\right| = \sqrt{\sum_{i = 1}^{k}(X_{i}-Y_{i})^{2}}
  ]
  其中，(\overrightarrow{X}) 和 (\overrightarrow{Y}) 是文档向量，(k) 代表相应文档向量中的唯一术语。
• 支持向量机（SVM）分类器 ：这是一种高效的监督算法，用于高维空间分类任务，也可用于回归任务。其目标是在N维空间中找到一个超平面，将数据点区分到各自的类别中，且该超平面与两类最近的数据点之间的距离（即边距）要最大。靠近超平面的数据点称为支持向量，它们会影响超平面的方向和位置。
  • 线性SVM中，根据线性函数的输出区分样本类别，线性函数公式为：
    [
    y = f(\overrightarrow{d_{j