Neural Networks

Machine Learning cho Tài chính bằng Python

Nathan George

Data Science Professor

Định luật Moore cho GPU

Neural networks có nhiều tiềm năng

Neural net có:

phi tuyến tính
tương tác giữa biến
khả năng tùy biến

sơ đồ neural net cơ bản

sơ đồ mạng với toán cơ bản

toán của neural net

kích hoạt trong sơ đồ neural net

hàm kích hoạt

hàm mất mát

lan truyền xuôi

lan truyền ngược

logo keras và tensorflow

Xây neural net với keras

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense

Xây neural net với keras

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense


model = Sequential()

model.add(Dense(50,
                input_dim=scaled_train_features.shape[1],
                activation='relu'))
model.add(Dense(10, activation='relu'))
model.add(Dense(1, activation='linear'))

Huấn luyện mô hình

model.compile(optimizer='adam', loss='mse')
history = model.fit(scaled_train_features, 
                    train_targets, 
                    epochs=50)

plt.plot(history.history['loss'])
plt.title('loss:' + str(round(history.history['loss'][-1], 6)))
plt.xlabel('epoch')
plt.ylabel('loss')
plt.show()

biểu đồ loss

Kiểm tra hiệu năng

from sklearn.metrics import r2_score

# calculate R^2 score
train_preds = model.predict(scaled_train_features)
print(r2_score(train_targets, train_preds))

0.4771387560719418

Vẽ hiệu năng

# plot predictions vs actual
plt.scatter(train_preds, train_targets)
plt.xlabel('predictions')
plt.ylabel('actual')
plt.show()

dự đoán vs thực tế

Tạo một neural net!

Machine Learning cho Tài chính bằng Python