Neural Networks

Python में Finance के लिए Machine Learning

Nathan George

Data Science Professor

GPU के लिए Moore's law

Neural networks की संभावनाएँ

Neural nets में होते हैं:

non-linearity
variable interactions
customizability

बेसिक neural net डायग्राम

बेसिक गणित के साथ net डायग्राम

neural net गणित

एक्टिवेशन neural net डायग्राम

एक्टिवेशन फंक्शन

लॉस फंक्शन

फॉरवर्ड पास

बैकवर्ड पास

keras और tensorflow लोगो

keras के साथ neural net बनाना

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

keras के साथ neural net बनाना

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'))

मॉडल फिट करना

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()

लॉस प्लॉट

परफॉर्मेंस जाँचें

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

परफॉर्मेंस प्लॉट करें

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

प्रेडिक्शन्स बनाम वास्तविक

एक neural net बनाएँ!

Python में Finance के लिए Machine Learning