分享
中新经纬>>

蚁人2彩蛋,网赌代理不同平台对打套佣金,采金子,太极张三丰

2019-06-16 中新经纬

   

蚁人2彩蛋虽然单点随机漫步模型看起来是准确的,但是其背后的欺骗性却开始让人不得不怀疑,那些声称能够准确预测投资产品价格曲线的人工智能是否真的可靠。从滞后模型到随机漫步模型然而值得庆幸的是,这种AR模型通常也是基于时间序列任务的,所以这也说明LSTM模型的预测方向是基本可靠的。在实验的过程中,David同样构建了一个基于相同数据集的AR模型,并用其测试了5个时间节点的价格预测。而与人工智能相对的,就是常被我们自身忽略的预测框架人类智慧,在这个框架中,对加密货币最完美的预测模型是:

网赌代理不同平台对打套佣金然而战胜随机漫步模型并不是最具挑战性的事情,即使是对于更加适合时间序列的预测工具ARIMA或Facebook的Prophet而言,人工智能预测价格最大的挑战在于真真切切的市场变化。之前提到过,单点随机漫步模型具有欺骗性;其实,通过仔细的观察之后你就会发现,通过LSTM模型预测的结果中,某些点也经常会与之前的结果相似。这主要是因为在LSTM模型中,已经生成了基于某个特定值的AR模型(自回归模型),也就是说其中某一部分的预测结果可能只是之前某一特定点上的结果,经过加权计算得来的。如果用数学语言来描述这个AR模型,就是:PredPricet=?0+?1Pricet1++?pPricetp+?t,?tN(0,)结果证明用AI来炒作或许是值得的。因为从结果中可以看到,LSTM模型对比特币和以太坊预测的平均误差在到之间,完爆随机漫步模型。从测试结果中来看,以太坊价格的大体走势还是能够预测出来的,但是这其中有两个比较明显的缺陷。一个是在价格突然上涨之后无法准确预估随后的下跌,预测的价格变化总是在实际价格变化了一段时间之后才能体现出来,这一点可以在六月中旬和十月中旬的曲线中看出来;第二点是该模型对以太坊价格的预估总是高于实际价格,尤其是在达到峰值时最为明显。

采金子长短期记忆模型是一种能够处理和预测时间序列相关事件的神经网络。在测试过程中,David选择使用Keras深度学习包,这种包的好处就在于其简单性和易用性,即使不理解完整的LSTM模型也能够快速构建。同时,他还建立了一个新的数据结构来适应这种模型:接下来就是利用Keras架构搭建模型:而与人工智能相对的,就是常被我们自身忽略的预测框架人类智慧,在这个框架中,对加密货币最完美的预测模型是:在深度学习框架中,神经元是学习的基本单位,神经网络中每一层神经元学习到的,都是前一层神经元更抽象的表达,而在本次实验中作者将LSTM层中的神经元数量设置为20。

太极张三丰LSTM模型将使用之前的数据来预测第二天比特币或以太坊的收盘价格。实验过程中,首先需要对数据集进行分组;David将其可访问数据的时间段定义为连续的10天,因此就可以将训练集中0到9的数据分为一组,1到10的数据分为一组并以此类推。通常情况下,历史数据越充足,学习效果越好。但是目前,对于预测加密货币市场的价格而言,最棘手的问题就是数据有限,毕竟比特币从诞生到现在也才短短九年的时间。因此,从未来还需要继续向模型中添加新数据的角度出发,David放弃了使用静态文件的方式,而是直接从kaggl网站的API中抓取数据。另外,为了保证深度学习模型能够对多种不同的加密货币进行预测,在测试过程中他统一使用了来自coinmarketcap和kaggle网站的数据,并将其进行简化,从而得到了如下图所示的数据结构:从滞后模型到随机漫步模型以上表格就是经过处理的一个输入实例,整个模拟过程中需要数百个类似的数据表格。到这里,搭建长短记忆模型的准备工作就基本完成了,在开始测试之前,我们只需要将第一个时间点的值设置为0,然后预测随时间点变化而变化的价格曲线。

(编辑:董文博)
中新经纬版权所有,未经书面授权,任何单位及个人不得转载、摘编以其它方式使用。
关注中新经纬微信公众号(微信搜索“中新经纬”或“jwview”),看更多精彩财经资讯。
关于我们  |   About us  |   联系我们  |   广告服务  |   法律声明  |   招聘信息  |   网站地图

本网站所刊载信息,不代表中新经纬观点。 刊用本网站稿件,务经书面授权。

未经授权禁止转载、摘编、复制及建立镜像,违者将依法追究法律责任。

[京ICP备17012796号-1]

违法和不良信息举报电话:18513525309 举报邮箱:zhongxinjingwei@chinanews.com.cn

Copyright ©2017-2019 jwview.com. All Rights Reserved


北京中新经闻信息科技有限公司