一、用“机器学习”做“股票预测”能做到什么程度
你可以关注WB 大彤金融俱乐部 ，里面有具体操作及预判和推荐(每日更新)
二、大数据的发展趋势？
1.大数据和开源
Apache Hadoop、Spark和其他开源应用程序已经成为大数据技术空间的主流，而且这种趋势似乎可能会持续下去。一项调查发现，近60%的企业预计到今年年底将采用Hadoop集群投入生产。根据调研机构Forrester公司的报告，Hadoop的使用量每年增长32.9%。
专家表示，到2017年，许多企业将扩大对Hadoop和NoSQL技术的使用，并寻找加快大数据处理的途径。许多人寻求能够让他们实时访问和响应数据的技术。
Hadoop就是开源大数据项目的一个很好的例子。
2.内存技术
内存技术是企业正在研究加速大数据处理的技术之一。在传统数据库中，数据存储在配备有硬盘驱动器或固态驱动器(SSD)的存储系统中。而内存技术可以将数据存储在RAM中，并且存取速度要快很多倍。Forrester 公司的一份报告预测，内存数据结构市场规模每年将增长29.2%。
目前有几家不同的供应商提供内存数据库技术，特别是SAP、IBM、Pivotal公司。
3.机器学习
随着大数据分析能力的进步，一些企业已经开始投资机器学习(ML)。机器学习是人工智能的一个分支，其重点在于允许计算机在没有明确编程的情况下学习新事物。换句话说，它分析现有的大数据存储库来得出改变应用程序行为的结论。
根据Gartner公司的研究，机器学习是2017年十大战略技术趋势之一。报告指出，当今最先进的机器学习和人工智能系统正在超越传统的基于规则的算法，以创建理解、学习、预测，以及潜在地自主操作系统。
三、用AlphaGo来做股票交易会怎样？机器学习预测股票靠谱么
机器也是人为设置程序来预测的，肯定不靠谱，毕竟是机器，机器是啥，是人制造出来的，它的思维能高过人吗？当然是不能的
四、matlab里用Libsvm得到模型但是无法得到预测精度
LibSVM的预测精度是通过svmpredict函数计算出来的。
支持向量机方法是一个超平面，或在一个高维或者无限维空间里对在低维线性空间中不可分的类别进行分类。
在机器学习中，支持向量机（SVM，还支持矢量网络）是与相关的学习算法有关的监督学习模型，可以分析数据，识别模式，用于分类和回归分析。给定一组训练样本，每个标记为属于两类，一个SVM训练算法建立了一个模型，分配新的实例为一类或其他类，使其成为非概率二元线性分类。一个SVM模型的例子，如在空间中的点，映射，使得所述不同的类别的例子是由一个明显的差距是尽可能宽划分的表示。新的实施例则映射到相同的空间中，并预测基于它们落在所述间隙侧上属于一个类别。
所以在你仅仅是建立了模型之后你还无法获得精度的，必须借由预测样本，对模型的准确度进行检验。
model = svmtrain(heart_scale_label,heart_scale_inst);
[predict_label,accuracy] = svmpredict(heart_scale_label,heart_scale_inst,model);
