Метод классификации, основанный на двух рассмотренных модулях, предназначен для построения моделей на базе логических полей и для прогнозирования этих полей. Характерная задача модуля классификации -построение стратегии игры продавать ли ценную бумагу или, напротив, придержать до лучших времен Пусть анализируемое правило есть выражение, найденное модулем анализа функциональных зависимостей или многопараметрической линейной регрессии. Тогда классификационное правило суть просто условное выражение, принимающее одно из двух значений в зависимости от того, превосходит ли результат применения правила пороговое значение. [c.131]
Логистическая регрессия является методом бинарной классификации, широко применяемом при принятии решений в финансовой сфере. Она позволяет оценивать вероятность реализации (или нереализации) некоторого события в зависимости от значений некоторых независимых переменных - предикторов xb...,xN. В модели логистической регресии такая вероятность имеет аналитическую форму Pr(x) =(l+exp(-z ))", где z = ao+ aiXi+...+ aNxN. Нейросетевым аналогом ее очевидно является однослойный персептрон с нелинейным выходным нейроном. В финансовых приложениях логистическую регрессию по ряду причин предпочитают многопараметрической линейной регрессии и дискриминантному анализу. В частности, она автоматически обеспечивает принадлежность вероятности интервалу [0,1], накладывает меньше ограничений на распределение значений предикторов. Последнее очень существенно, поскольку распределение значений финансовых показателей, имеющих форму отношений, обычно не [c.202]