![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 78
中意灬
It's better to fight back than continue to be rotten @qq_978593353
展开
-
基于LSTM的短期股票预测
RNN面临的较大问题是无法解决长跨度依赖问题,即后面节点相对于跨度很大的前面时间节点的信息感知能力太弱,如下图中的两句话:左上角的句子中sky可以由较短跨度的词预测出来,而右下角中的French与较长跨度之间的France有关系,即长跨度依赖,比较难预测。其中,units为神经元个数,activation为激活函数,默认为tanh,return_sequences为是否全部时刻返回输出,默认为False。长跨度依赖的根本问题在于,多阶段的反向传播后导致梯度消失、梯度爆炸。可以看出,只有三个时间点时,原创 2022-10-10 14:53:21 · 4190 阅读 · 3 评论 -
基于RNN的短期股票预测
本文数据集是通过python中tushare模块下载的股票日k线数据,本次数据只用来了其中的开盘价格这里注意, tushare版本需大于1.2.10以上方法只需要在第一次或者token失效后调用,完成调取tushare数据凭证的设置,正常情况下不需要重复设置。也可以忽略此步骤,直接用pro_api('your token')完成初始化,但这里的token需要自己去官网申请(注册即可得到)get_k_data含义是获取k线数据,所以起了这么一个简单的名称。虽然一贯的不标准,不规范,但主要看气质,主要看数据。原创 2022-09-14 12:24:49 · 2813 阅读 · 4 评论 -
Tensorflow笔记———循环神经网络RNN
如下图,左图一共要送入RNN层两组数据,每组数据经过一个时间步就会得到一个输出结果,每个时间步送入三个数值,则输入循环层的数据维度就是[2,1,3];然后在按照顺序将time输入RNN,得到输出02,这时我们会发现前面输入的what对此时输入的time产生了影响,如图中隐藏层中有一般是黑色即是第一步输入what产生的影响。通过上面的例子,我们已经发现,短期的记忆影响较大(如橙色区域),但是长期的记忆影响就很小(如黑色和绿色区域),这就是 RNN 存在的短期记忆问题。典型的时序数据像:股价,天气,文本。原创 2022-09-12 15:40:10 · 1242 阅读 · 0 评论 -
Tensorflow笔记——卷积神经网络
每个神经元与前后相邻的每一个神经元都有连接关系。(可以实现分类和预测):(前层*后层+后层)如下面构建的这个全连接神经网络,其参数量为28*28*128w+128b+128*10w+10=101770个而上面的代码就是Mnist数据集分类的全连接神经网络模型,而在实际应用中,我们所处理的图像不是灰度图,大部分是彩色图,这样会涉及到更多的参数,虽然全连接网络一般被认为是分类预测的最佳网络,但是当待优化参数过多,容易导致模型过拟合。原创 2022-09-07 14:14:38 · 3249 阅读 · 1 评论 -
Tensorflow笔记——基于Mnist数据集图片分类的神经网络
本文基于Mnist图像搭建其自己所需数据集,从而对其数据集进行保存,然后对模型进行训练,保存其最优参数,断点续训,实现acc,loss的可视化,对未知图片进行处理然后带入预测。原创 2022-08-31 01:31:42 · 822 阅读 · 0 评论 -
Tensorflow学习笔记——搭建神经网络
六步法搭建神经网络,介绍了相关函数用法,分别运用了鸢尾花数据集与fashion_mnist数据集举例原创 2022-08-25 15:15:27 · 4188 阅读 · 1 评论 -
Tensorflow笔记——神经网络优化
了解神经网络优化过程,了解不同激活函数。原创 2022-08-23 13:15:27 · 1860 阅读 · 1 评论 -
TensorFlow笔记——基本函数及概念
TensorFlow是一个端到端开源机器学习平台。它拥有一个全面而灵活的生态系统,其中包含各种工具、库和社区资源,可助力研究人员推动先进机器学习技术的发展,并使开发者能够轻松地构建和部署由机器学习提供支持的应用,本文基于python对其TensorFlow进行了运用。神经网络,也称为人工神经网络(ANN)或模拟神经网络(SNN),是的子集,并且是算法的核心。其名称和结构是受人类大脑的启发,模仿了生物神经元信号相互传递的方式。...原创 2022-07-24 21:35:50 · 1098 阅读 · 0 评论 -
python实现线性回归
本文用sklearn库实现简单线性回归(普通最小二乘法,岭回归,多项式回归,多元回归),以下是相关代码,所用数据库为sklearn自带,由于是自带数据库,可能拟合效果会很差,但只作为学习其方法,有所错误还望斧正。 岭回归 多项式回归 多元回归拟合出来绘图应该是个平面,但这里就大概意思一下吧,大家把他当作一个平面,欸嘿嘿。......原创 2022-07-11 23:53:19 · 10056 阅读 · 2 评论 -
python多因素电力预测——基于LSTM神经网络
一个很简易的多因素预测电力模型,所用数据量很少,所以效果不是很好,如果数据量大,可能最后的模型精度和效果会不错,看看就行了,写的很乱(数据来源于泰迪杯最先公布的数据)。# -*- coding: utf-8 -*-# @Time : 2022/3/26 15:13# @Author : 中意灬# @FileName: 多变量.py# @Software: PyCharmimport numpy as npimport matplotlib.pyplot as pltimport seab原创 2022-05-08 12:57:07 · 3834 阅读 · 8 评论 -
python短期电力预测——基于LSTM神经网络
LSTM神经网络,一种中长期时间序列预测模型,通过长期得到数据来预测未来短期的结果,对中长期预测效果很差,本文只介绍单变量预测,即通过多天的电力数据来预测短期的电力,影响因素只有时间,不考虑其他影响因素(本文只是博主自己为了应付本次泰迪杯所自己去学习而所写的,也只供自己学习和便于查看,有所错误还望斧正),本次所用的数据来自泰迪杯官网所公布的部分数据,大概长这样整个的步骤流程如下:1.数据清洗缺失值处理(先进行缺失值查看,有的话就处理,没有就不处理) 异常值处理(先进行异常值查看,有的话几.原创 2022-04-16 16:06:54 · 15412 阅读 · 48 评论 -
python—sklearn特征提取
目录一.字典特征值提取二.英文文本特征值提取三.中文文本特征值提取需要导入的包from sklearn.feature_extraction import DictVectorizer#用于字典特征值提起from sklearn.feature_extraction.text import CountVectorizer#用于文本提取"""用于中文分词"""import jieba.analyseimport jieba特征提取官方教程网址:https://scikit原创 2022-03-20 18:56:55 · 3072 阅读 · 1 评论