時系列予測を一次元畳み込みを使って解く with Keras - Qiita
こんにちはみなさん。 本記事はKerasアドベントカレンダーの6日目となります。 他の方と比べてしょうもない記事ですが、がんばります。 時系列予測とか時系列解析をするのに、機械学習界隈で一般的な手法はRNN ( リカレントニューラルネットワーク ) だと思うのですが、これの理論て結構難しくて、特にLSTMなんて、私は未だによくわからないし、コードを見てもちんぷんかんぷんです。 そんなの知らなくてもとりあえず動けば問題ないっちゃ問題ないんですが、やっぱりある程度自分が動きを理解できているもののほうが、安心して使えるというものです。 というわけで、一次元畳み込みを使って時系列解析をするという話が出てきているので、kerasを使ってその使い心地を調べてみました。 畳み込み( Convolution ) を使ったニューラルネットワーク ( CNN ) は、今や機械学習の代名詞のようなものですが、C
TensorFlow2.0 with KerasでいろいろなMNIST（TPU対応） - Qiita
TensorFlowのいろいろな書き方「Keras API」「Custom train loop」「Custom layer」についてMNISTの例を解説します。また、TF2.0＋KerasでColab TPUを使った訓練方法も解説していきます1。 TensorFlow2.0での書き方 TensorFlow2.0の書き方は何種類かあります。Kerasの作者によるColab Notebookによると、 縦軸に注目してください。上に行くほど高レベルAPI、下に行くほど低レベルAPIとなります。各項目が何を表すかと言うと、 Built in training/eval loops ： Kerasのfit()やevaluate()といった関数を使うものです。TF1.X時代のKerasとほぼ同じです。 Customized step-by-step loops : Kerasのfit()などを使わず
Kerasで実践的な為替予測をしてみたかった(RNN編) - Qiita
元ブログ記事とソースはこちらから。 ロジック RNNではよく「次の日の終値を予測する」といった記事を見かけますが、 実際のトレードではそのような予測は行いません。 実際のトレードでは必ずストップロスを設定するので、 たとえ終値が上昇していても日中下がってしまってストップロスに引っかかってしまったら意味がありません。 今回は「10pips下がる前に30pips上昇する」という条件をつけてエントリーポイントを学習できるかを考えます。 まずはデータを取得 こちらからEUR/USDの１分足データをダウンロードします。 そのデータを読み込み、シグナルを付与します。 シグナルは上述したとおりですが、より詳しく言うと、 対象は4時間(240分)。 下にnegative pips動く前に上にpositive pips動いていたら買い 上下にpositive pipsも動かなかった場合は凪 上にnegati
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
