基于SVM算法的股票预测

基于SVM算法的股票预测需要先进行一些数据处理和特征选择。首先，可以使用PCA主成分分析来降低数据的维度，并处理冗余函数。接下来，选择合适的核函数对股票预测的情况进行分析。根据引用\[1\]和\[2\]的内容，对于"温氏股份"的股票预测分析，linear核函数可能更适合。然而，根据引用\[3\]的内容，从知网文章的角度来看，最好使用径向基核函数的SVM算法。因此，在选择核函数时，需要综合考虑不同的因素，包括具体的股票和预测需求。
#### 引用[.reference_title]
- *1* *2* [基于SVM算法的股票预测分析](https://blog.csdn.net/LSH1628340121/article/details/125255881)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item]
- *3* [基于SVM的股票预测 Python实现 附Github](https://blog.csdn.net/jerry81333/article/details/53946313)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]