時系列データ分析 - Qiita
この記事の狙い・目的 機械学習を取り入れたAIシステムの構築は、 ①データセット作成（前処理）→ ②モデルの構築 → ③モデルの適用 というプロセスで行っていきます。 その際「データセット作成（前処理）」の段階では、正しくモデル構築できるよう、事前にデータを整備しておくことが求めらます。 このブログでは、時系列を含むデータに対しての解析方法、および前処理段階で用いられる「時系列データ分析」の手法について解説していきます。 プログラムの実行環境 Python3 MacBook pro（端末） PyCharm（IDE） Jupyter Notebook（Chrome） Google スライド（Chrome） 時系列データとは 時系列データとは、時間の順序にしたがって並べられたデータのことをいいます。 例えば、株価の値動き、気温や降水量などの気象情報、交通量の推移などがこれにあたります。 時系列
₿の価格変動予測したらLSTMにSVMが勝った話 | Aidemy | 10秒で始めるAIプログラミング学習サービスAidemy［アイデミー］
初めに こんにちは。機械学習を学び始めて約１ヶ月、出来ること出来ないことがやっと少しずつ見え始めてきて自身のイメージとの違いに日々驚かされています、研修生の浅井寛之です。大学では経営学や金融などを勉強しています。 早速本題に入りますが、これから仮想通貨の価格変動予測をしていきたいと思います。特に今回は ”実際にどれくらい正解しているのか” というのをわかりやすく伝えるために、”up” “down” “stay” の３種分類問題を扱います。スコアを我々のイメージしやすい正解率という形で出力できるので比較しやすいから、というのがメインの理由ですが、ネットにあまり価格変動の分類問題が上がっていなかったからというのも理由の一つです。 また、実際本気で収入源にしてる方はさておき、小金儲けしようとして仮想通貨を買っている人たちの多くは１ヶ月後までの価格の推移よりも明日価格が上がっているかどうかの方に興
なぜニューラルネットはSVMに勝てないのか - Qiita
tl;dr 目的：なぜ簡単な問題においてパーセプトロンよりもSVMのほうが性能が良いことが多いのか、それは本当なのかを考察する。 特に、ラベルあたりのデータ数に偏りがある場合。 SVM、単層パーセプトロン、SVMと同じ損失関数の単層パーセプトロンで振る舞いを比較した。 定性的な評価だが、SVMがもっともよかった。少なくとも損失関数の違いだけではないことがわかった。 最適化法の違い、パラメータの選び方が効いているのかもしれない。 はじめに 線形SVM1は歴史ある分類器ながら、その強力さから現代でも広く使われています。分類器としては近年ニューラルネットワーク、特にニューラルネットワークを多層にかさねた深層学習が話題になっています。しかし、これはあくまでも感覚なのですが、がんばって訓練したニューラルネットワークよりも素朴な線形分類器であるSVMのほうが性能が高いことが多々あります。 線形SVMと
Pythonの時系列解析手法(SARIMA、LSTM、NeuralProphet)実装と比較
本記事の動機 製造業において見込み生産を行う場合適切な生産数を算出することが重要になります。適切な生産数でない場合、例えば、見込みの生産量が実際の数量を上回った場合だと在庫が多くなり廃棄コストなどの保有リスクが増加していきます。見込みの生産量が実際の需要量を下回った場合は、製品の生産が遅れ納期遵守率の低下等のリスクが発生する可能性があります。このようなリスクを減少させるために、内示等の情報を利用して可能な限り実際の需要量を予測して生産活動を行うことになります。 他方、顧客ニーズの多様化や製品ライフサイクルの短縮化により多品種少量生産が求められています。多品種少量生産下では各製品に対する管理項目も増え、需要予測に対する工数が増加します。また、管理項目の増加に伴う見落としも考えられ、結果として需要予測の精度が落ちることも考えられます。そこで、pythonで予め需要予測モデルを作成しておき、後は
【PyTorch】「CUDA error: device-side assert triggered」 解決の手引き
はじめに PyTorchにて, “RuntimeError: CUDA error: device-side assert triggered"というエラーに出くわすことがある ネットに転がってるモデルで発生すると特に厄介である (自分が作った沼ではないので…) またMAEでのマスク処理のような, テクニカルな処理を行う場合などにも頻発 再現性が取れず, 出力されるエラー内容も二転三転. 一定確率で上記のエラーが発生する. 今まではうまく行ってたのに急にエラーが頻発することなども多々あり ということで, 金輪際このエラーに立ち往生しないよう, “CUDA error: device-side assert triggered"に終止符を打とう！ ネットに転がってる議論は入力のshapeが云々・loss関数が云々と具体的で狙い撃ち的すぎる なので, より実践的な解決の手引きをメモ程度にまとめ
株式自動売買プログラムを実践に投入すると精度が急落する謎現象の原因究明に奮闘していた話。 - sun_ek2の雑記。
目次。 目次。 はじめに。 これまでのあらすじ。 一から完全自作で株式自動売買プログラム開発がしたいと思うようになる。 株式売買に必要な処理（ログイン、売買注文の発注など）の全自動化。 短期・長期移動平均線を使った売買アルゴリズムの開発を始める。 ディープラーニングを使った売買アルゴリズムの開発を始める。 開発したプログラムを実際の株式売買に導入。 あれ？どんどんと損失が…。 原因部分：正規化処理（min-max normalization）を行うコード。 『【株式自動売買×ディープラーニング】LSTMで日経平均株価予測を行うプログラムを書いてみた話。』の再考。 『【株式自動売買×ディープラーニング】LSTMで上場企業、約4000社の株価予測をしてみた話。』の考察。 原因究明への道のり。 検証用のソースコードと実践用のソースコードがなんか違うのでは？ 予測データを解析し、モデルの性能を評価
立花証券ｅ支店
自動発注システムを開発されているお客様やそのツールをご利用されているお客様、ご自身で開発されたツールを利用して発注されているお客様向けのサービスです。 これまではＷｅｂ画面のエミュレーションで接続し発注等を行っていましたが、直接ＡＰＩを呼出し高速に処理できるようになります。 更にｅ支店のＡＰＩサービスでは、約定等の情報をプッシュ通知します。これまでに無いより使い易い発注システムの開発に役立つものと考えます。 2023-12-13 APIデモ環境、新NISA対応版（ｖ4ｒ5）の変更について 2023-10-03 API最新バージョン（ｖ4ｒ5）のリリースおよび旧バージョンの廃止について 2023-07-18 ニュース取得版（v4r4）リリースについて 2023-03-01 API 旧バージョン「v4r2」の廃止について 2022-12-26 契約締結前交付書面等の改訂のお知らせ 2022-1
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
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
立花証券のAPIの仕様をみていく - tsuchinaga