주 메뉴 열기
대문
임의의 문서로
로그인
설정
Pywiki 소개
면책 조항
Pywiki
검색
바뀜
← 이전 편집
다음 편집 →
LSTM:주가예측
(편집)
2022년 1월 14일 (금) 13:30 판
3 바이트 추가됨
,
2022년 1월 14일 (금) 13:30
잔글
→데이터 전처리
189번째 줄:
189번째 줄:
== 데이터 전처리 ==
== 데이터 전처리 ==
거래량 특정값에 있어 거래량 수치 자체를 사용하는 것보다 거래량의 변화량을 사용한 경우가 평균제곱오차에서 성능이 더 좋았다.
거래량 특정값에 있어 거래량 수치 자체를 사용하는 것보다 거래량의 변화량을 사용한 경우가 평균제곱오차에서 성능이 더 좋았다.
−
−
== 성능평가 ==
−
평균제곱근오차(RMSE)를 사용한다. 모델의 예측값과 실제 환경에서 관찰되는 값의 차리를 다룰 때 흔히 사용되는 평가방법이라 한다.
== 가중치 초기화 방법 ==
== 가중치 초기화 방법 ==
221번째 줄:
218번째 줄:
|activity regularizer가 L2(0.1)일 때.
|activity regularizer가 L2(0.1)일 때.
|L2(0.003)
|L2(0.003)
−
|-
−
|
−
|
−
|
|}
|}
242번째 줄:
235번째 줄:
|}
|}
위 둘의 조합으로는 케라스의 기본 설정인 tanh와 hard sigmoid가 가장 성능이 좋았다고 한다.
위 둘의 조합으로는 케라스의 기본 설정인 tanh와 hard sigmoid가 가장 성능이 좋았다고 한다.
+
+
== 성능평가 ==
+
평균제곱근오차(RMSE)를 사용한다. 모델의 예측값과 실제 환경에서 관찰되는 값의 차리를 다룰 때 흔히 사용되는 평가방법이라 한다.
== 최적화 함수 ==
== 최적화 함수 ==
활성화 함수가 tanh일 땐 Adam이 가장 좋았다고 한다.
활성화 함수가 tanh일 땐 Adam이 가장 좋았다고 한다.
+
+
= 각주 =
[[분류:LSTM]]
[[분류:LSTM]]
<references />
<references />
[[분류:Keras]]
[[분류:Keras]]
Sam
사무관
,
인터페이스 관리자
,
관리자
, 교사
편집
1,408
번