+import numpy as np + from keras.preprocessing import sequence + from keras.models import Sequential + from keras.layers import Dense, Activation, Embedding + from keras.layers import LSTM + from keras.datasets import imdb + +# Устанавливаем seed для повторяемости результатов +np.random.seed( 42 ) +# Максимальное количество слов (по частоте использования) +max_features = 5000 +# Максимальная длина рецензии в словах +maxlen = 80 + +# Загружаем данные +(X_train, y_train), (X_test, y_test) = imdb.load_data(nb_words=max_features) + +# Заполняем или обрезаем рецензии +X_train = sequence.pad_sequences(X_train, maxlen=maxlen) +X_test = sequence.pad_sequences(X_test, maxlen=maxlen) + +# Создаем сеть +model = Sequential()
입력을 제어하는 방법, 루프에서 루프할 항목
이 코드 조각으로 판단하면 텍스트 예측 문제를 조사/해결하려고 합니다. 몇 가지 질문:
이것은 거래의 어떤 측면입니까?
Python 코드를 MT4/5에 연결하는 방법은 무엇입니까?
물론 LSTM은 기계 학습 모델 에 관한 것이지만 textMining은 거래에 관한 것입니까?
이 주제에 대한 경험과 경험이 있는 경우 새 분기를 시작하십시오(예: TextMiningPython ) . 열성팬이 있다면 응원할 것입니다. 나는 관심을 가지고 전개를 따를 것이다. 그러나 입력, 대상 데이터, 데이터를 가져오는 소스에 대한 링크 및 해결하려는 문제에 대한 더 이해하기 쉬운 설명으로 시작하십시오. 귀하의 게시물에서 매우 높은 수준의 심령 만이 그것이 무엇인지 이해할 수 있기 때문입니다.
library (lubridate)
library (rusquant) #install.packages( "rusquant" , repos= "http://R-Forge.R-project.org" )
#для недельных баров, сдвиг на одну дату назад ибо в сша первый день недели это воскресенье
getSymbols( "EURUSD" ,src = "Finam" , period= "week" , from = 0 )
eurusdTime <- as.character(ymd(time(EURUSD))-days( 1 ))
# #для месячных баров
# getSymbols( "EURUSD" ,src = "Finam" , period= "month" , from = 0 ) #месячные бары вместо недельных
# eurusdTime <- as.character(ymd(time(EURUSD))) #для месячных баров
#либо первый вариант, либо второй, зависит от того как в гугле данные относятся к дате - с отставанием или опережением. я не знаю.
eurusdOpen <- as.numeric(scale(c(diff(as.numeric(EURUSD$EURUSD. Open ))[- 1 ], 0 , 0 )))
# eurusdOpen <- as.numeric(scale(c(diff(as.numeric(EURUSD$EURUSD. Open )), 0 )))
write.table(matrix(c(eurusdTime,eurusdOpen), ncol= 2 ), file= "table.csv" , sep= "," , dec= "." , row.names = FALSE , col.names = FALSE )
어떻게 생각하십니까, 반복적으로 작업하는 방법은 무엇입니까?
lstm 사용
+ from keras.preprocessing import sequence
+ from keras.models import Sequential
+ from keras.layers import Dense, Activation, Embedding
+ from keras.layers import LSTM
+ from keras.datasets import imdb
+
+# Устанавливаем seed для повторяемости результатов
+np.random.seed( 42 )
+# Максимальное количество слов (по частоте использования)
+max_features = 5000
+# Максимальная длина рецензии в словах
+maxlen = 80
+
+# Загружаем данные
+(X_train, y_train), (X_test, y_test) = imdb.load_data(nb_words=max_features)
+
+# Заполняем или обрезаем рецензии
+X_train = sequence.pad_sequences(X_train, maxlen=maxlen)
+X_test = sequence.pad_sequences(X_test, maxlen=maxlen)
+
+# Создаем сеть
+model = Sequential()
입력을 제어하는 방법, 루프에서 루프할 항목
+model = Sequential()
+# Слой для векторного представления слов
+model.add(Embedding(max_features, 32, dropout=0.2))
+# Слой долго-краткосрочной памяти
+model.add(LSTM(100, dropout_W=0.2, dropout_U=0.2)) # try using a GRU instead, for fun
+# Полносвязный слой
+model.add(Dense(1, activation="sigmoid"))
+
+# Копмилируем модель
+model.compile(loss='binary_crossentropy',
+ optimizer='adam',
+ metrics=['accuracy'])
+
+# Обучаем модель
+model.fit(X_train, y_train, batch_size=64, nb_epoch=7,
+ validation_data=(X_test, y_test), verbose=1)
+# Проверяем качество обучения на тестовых данных
+scores = model.evaluate(X_test, y_test,
+ batch_size=64)
+print("Точность на тестовых данных: %.2f%%" % (scores[1] * 100))
이미 모든 것을 시도했습니다
http://ru.stackoverflow.com 에 등록하십시오. 프로그래밍에 대해 질문하기 위해 특별히 제작된 리소스입니다. 어떤 언어로든 하루 중 언제라도 러시아어로 정답 데이터베이스를 확장할 것입니다.
어떻게 생각하십니까, 반복적으로 작업하는 방법은 무엇입니까?
lstm 사용
+ from keras.preprocessing import sequence
+ from keras.models import Sequential
+ from keras.layers import Dense, Activation, Embedding
+ from keras.layers import LSTM
+ from keras.datasets import imdb
+
+# Устанавливаем seed для повторяемости результатов
+np.random.seed( 42 )
+# Максимальное количество слов (по частоте использования)
+max_features = 5000
+# Максимальная длина рецензии в словах
+maxlen = 80
+
+# Загружаем данные
+(X_train, y_train), (X_test, y_test) = imdb.load_data(nb_words=max_features)
+
+# Заполняем или обрезаем рецензии
+X_train = sequence.pad_sequences(X_train, maxlen=maxlen)
+X_test = sequence.pad_sequences(X_test, maxlen=maxlen)
+
+# Создаем сеть
+model = Sequential()
입력을 제어하는 방법, 루프에서 루프할 항목
이 코드 조각으로 판단하면 텍스트 예측 문제를 조사/해결하려고 합니다. 몇 가지 질문:
물론 LSTM은 기계 학습 모델 에 관한 것이지만 textMining은 거래에 관한 것입니까?
이 주제에 대한 경험과 경험이 있는 경우 새 분기를 시작하십시오(예: TextMiningPython ) . 열성팬이 있다면 응원할 것입니다. 나는 관심을 가지고 전개를 따를 것이다. 그러나 입력, 대상 데이터, 데이터를 가져오는 소스에 대한 링크 및 해결하려는 문제에 대한 더 이해하기 쉬운 설명으로 시작하십시오. 귀하의 게시물에서 매우 높은 수준의 심령 만이 그것이 무엇인지 이해할 수 있기 때문입니다.
행운을 빕니다.
google correlation https://www.google.com/trends/correlate 라는 Google 서비스가 있습니다.
상관 사용자 쿼리를 검색할 수 있으며 쿼리는 VR로 표시됩니다. 흥미로운 서비스는 자신의 VR을 업로드할 수 있고 주어진 VR과 상관관계가 있는 그러한 쿼리를 찾습니다.
아이디어는 거기에 도구의 가격을 넣고 상관 관계를 확인하는 것입니다. 예를 들어 새로운 예측 변수를 찾는 데 유용할 수 있습니다. 상관 관계가 연결을 찾는 매우 거친 방법이라는 것을 확실히 이해하지만 여전히 흥미롭습니다....
따라서 문제는 서비스가 기기 가격과 함께 데이터를 어떤 형식으로 제공해야 하는지 여전히 이해하지 못한다는 것입니다. 누군가가 그것을 알아내고 데이터를 준비하는 방법과 데이터가 어떤 형식이어야 하는지 알려줄 것입니다.
추가...........
다음은 Google http://forbes.net.ua/opinions/1336134-google-pomogaet-ustanovit-zhdut-li-ukraincy-krizisa 에서 제공하는 서비스의 본질을 더 깊이 이해할 수 있는 또 다른 기사입니다.
기사는 지표들 사이에 강한 관계가 발견되었음을 보여줍니다. 실제 산업 생산의 역학
우크라이나 에서 "소비자 신용" 에 대한 검색어가 포함된 우크라이나
google correlation https://www.google.com/trends/correlate 라는 Google 서비스가 있습니다.
상관 사용자 쿼리를 검색할 수 있으며 쿼리는 VR로 표시됩니다. 흥미로운 서비스는 자신의 VR을 업로드할 수 있고 주어진 VR과 상관관계가 있는 그러한 쿼리를 찾습니다.
아이디어는 거기에 도구의 가격을 넣고 상관 관계를 확인하는 것입니다. 예를 들어 새로운 예측 변수를 찾는 데 유용할 수 있습니다. 상관 관계가 연결을 찾는 매우 거친 방법이라는 것을 확실히 이해하지만 여전히 흥미롭습니다....
따라서 문제는 서비스가 기기 가격과 함께 데이터를 어떤 형식으로 제공해야 하는지 여전히 이해하지 못한다는 것입니다. 누군가가 그것을 알아내고 데이터를 준비하는 방법과 데이터가 어떤 형식이어야 하는지 알려줄 것입니다.
상관관계는 좋은데 NS에 엔트로피 같은 지표가 있었던걸로 기억하고 다른건 기억이 안나는데 갑자기 기록을 올리고싶었는데....이쯤에서 쓸만한게 나올지도.. ..
구글에서 제공하는 서비스가 있는데...
코드에서 흥미롭지 만 Google은 상관 관계를 찾지 못했습니다.
코드에서 흥미롭지 만 Google은 상관 관계를 찾지 못했습니다.
감사해요!!!
구분할 필요도 없고, 계열의 구조와 추세가 손실되고, 척도도 필요하지 않습니다. 계산의 상관관계 는 절대값을 평준화합니다 ... 할 수 있는 최대값은 제거하는 것입니다 어떤 종류의 계절적 특징이나 무언가를 검색하는 경향이 있는데도 불구하고 ...
그것을 시도하고 모든 것이 잘 될 것입니다
말할 수 없을 정도로 이상하게 연결되어 있다.)) 힙합 포럼에서 말에 대한 요청까지:)
문제 는 이제 무엇이 실제 연결이고 무엇이 단지 우연인지 식별하는 방법입니다.
구분할 필요가 없고 계열의 구조와 추세가 사라진다.
맞습니다. 그렇습니다. Google은 그렇게 할 수 없습니다. 다른 트렌드와의 상관 관계만 찾고 수익과는 관련이 없습니다. 죄송합니다. 그다지 유용하지 않습니다.
스케일 "따는 것도 필요하지 않습니다.
FAQ에 따르면 필요합니다(mean=0, sd=1, 정확히 scale이 하는 일). 추세 그래프로 판단하면 Google에서 잊어 버린 경우 자체적으로 척도를 수행합니다.
http://prntscr.com/eighfp
프랑스:)