The purpose of this section is to i

The purpose of this section is to introduce one of the most promising among recently developed multivariate non-linear statistical techniques: the SVM. The SVM is a classification method that is based on statistical learning theory. It has been successfully applied to optical character recognition, early medical diagnostics, and
text classification. One application where SVMs outperformed other methods is electric load prediction (EUNITE, 2001), another one is optical character recognition (Vapnik, 1995). In a variety of applications SVMs produce better classification results than parametric methods (e.g. logit analysis) and are outperforming widely used nonparametric techniques, such as neural networks. Here we apply SVMs to corporate bankruptcy analysis

Kết quả (Việt) 1:

Mục đích của phần này là giới thiệu một số hứa hẹn nhất trong số các kỹ thuật mới phát triển thống kê các phi tuyến tính đa biến: SVM. SVM là một phương pháp phân loại dựa trên lý thuyết thống kê học. Nó đã được áp dụng thành công để nhận dạng ký tự quang học, đầu chẩn đoán y tế, vàphân loại văn bản. Một ứng dụng mà SVMs tốt hơn các phương pháp khác là nạp điện dự đoán (EUNITE, 2001), một số khác là nhận dạng ký tự quang học (Vapnik, 1995). Trong một loạt các ứng dụng SVMs sản xuất các kết quả phân loại tốt hơn phương pháp tham số (ví dụ như phân tích hàm lôgit) và outperforming rộng rãi sử dụng kỹ thuật nonparametric, chẳng hạn như mạng nơ-ron. Ở đây chúng tôi áp dụng SVMs để phân tích công ty phá sản