32、机器学习分类模型与半自动化聊天机器人生成技术

机器学习分类模型与半自动化聊天机器人生成技术

一、机器学习分类模型在台湾股市的应用

1.1 相关指标介绍

在机器学习的分类模型评估中，有几个重要的指标：
- 特异性（Specificity） ：也称为真负率（TNR），表示真正为负的数据被正确预测的比例，公式为：$Specificity = \frac{TN}{TN + FP}$ 。
- 流行率（Prevalence） ：代表所有数据中真正为正的比例，公式为：$Prevalence = \frac{TP + FN}{TP + FP + TN + FN}$ 。
- 准确率（Accuracy） ：表示所有数据中被正确预测的比例，公式为：$Accuracy = \frac{TP + TN}{TP + FP + TN + FN}$ 。

1.2 实证研究

以台湾指数期货为研究对象，样本期从2018年1月1日至2022年7月30日，共1116个交易日数据。台湾指数期货上涨611天，下跌505天。样本期内价格波动较大，从图表可看出，2020年台湾指数期货价格从约11000点跌至约8300点，后反弹至约18000点。

预测目标为台湾股票期货涨跌标签，有四个特征，分别是台湾股票交易量标签、三大法人标签、纳斯达克收盘价标签、纳斯达克交易量标签，数据来源于CMoney投资支持系统数据库。

1.3 模型性能评估

使用随机森林、逻辑回归和支持向量机三种机器学习模型，输入不同特征到模型中，根据混淆矩阵计算出六个评估指标，结果如