Wpis z mikrobloga

Szybkie pytanie odnośnie następującego przypadku:
Mam sporą bazę danych odnośnie rynku kryptowalut, staram się wypracować jakikolwiek algorytm przewidywania ruchów dla tego rynku "na dzień następny", aktualnie buduję sobie model predykcyjny przy założeniu podejścia reeinforcement learning.
Piszę w #python i mam 2 problemy:
1. Wszystko piszę we własnym zakresie i dla siebie, nie znalazłem żadnej sensownej biblioteki do realizacji obliczeń w oparciu o konkretnie to podejście. Jest ktoś w stanie coś polecić ?

2. Nie jest to co prawda sieć neuronowa, ale taki model też podlega "trenowaniu", zakłada się pewien algorytm wnioskowania (wartość kolumny X z bazy danych razy jakiś współczynnik, wartość kolumny Y razy jakiś inny współczynnik... itd.) i dobiera się kolejne wartości tak, aby końcowy wynik przewidywania ruchów na rynku był znacząco lepszy niż "średnia" albo jakiś założony cel.
Niestety, ale aktualnie metoda "krokowa" (ulepszanie algorytmu przez zmiany kolejnych współczynników i porównywanie efektów) nie przynosi postępu, albo na podstawie posiadanej tabeli danych nie da się postawić sensownych wniosków, albo coś robię źle ¯\_(ツ)_/¯
Ma ktoś materiały warte polecenia do zastosowania w reeinforcement learning albo #sztucznainteligencja ?

Z góry dzięki za pomoc ( ͡° ͜ʖ ͡°)
  • 8
@avruk: Chętnie poczytam zarówno o Q-learningu jak i LSTM. Przyznam szczerze ,że nie znam za bardzo tematu - w temat uczenia maszynowego (rozumianego zarówno jako podejście typu reeinforcement learning jak i sieci neuronowych i podobne) wchodzę dopiero i to jest pierwszy eksperyment.

Jeśli możesz polecić jakieś pozycje (książki?), artykuły, opracowania, przykłady użyć, biblioteki programistyczne etc. to będę wdzięczny.
@Ilythiiri: dlaczego akurat reinforcement? Specjalistą nie jestem, ale średnio mi to pasuje do przewidywania kursu waluty. Na RL można by jak już oprzeć jakiegoś trading bota, chociaż tutaj też bym się większych sukcesów nie spodziewał. Jeżeli koniecznie chcesz się w reinforcement learning pobawić to na początek polecam gym
@Ilythiiri: podstawy DL dla programistów (praktycznie bez teorii) : Deep Learning with Python, François Chollet
tutaj znajdziesz kod z książki: https://github.com/fchollet/deep-learning-with-python-notebooks
LSTM: https://colah.github.io/posts/2015-08-Understanding-LSTMs/
Q-Learning: https://www.learndatasci.com/tutorials/reinforcement-q-learning-scratch-python-openai-gym/
https://skymind.ai/wiki/deep-reinforcement-learning

biblioteki: tensorflow(+keras?), pytorch

a co do użyć to możesz na githubie poszukać podobnych projektów
dlaczego akurat reinforcement? Specjalistą nie jestem, ale średnio mi to pasuje do przewidywania kursu waluty. Na RL można by jak już oprzeć jakiegoś trading bota, chociaż tutaj też bym się większych sukcesów nie spodziewał.


@croppz: Generalnie to chcę napisać bota do tradingu, ale nie na zasadzie scalpingu (walki o dziesiąte części centa) tylko o mniejszej częstotliwości działań.

Jeżeli koniecznie chcesz się w reinforcement learning pobawić to na początek polecam gym


gym
@avruk: A no i dzięki za pomoc, jak spróbuję to dam znać.

A i jeszcze jedno ogłoszenie - jeśli ktoś zna się +/- na temacie i nie jest zupełnie zielony (tzw. że absolutnie nic nie robił) to jeśli chce to proszę się odezwać, może coś razem wymyślimy - jeśli oczywiście jest o czym rozmawiać ( ͡° ͜ʖ ͡°)
@Ilythiiri: Mogło coś się zmienić, ale jak ostatnio patrzyłem gym był przede wszystkim zbiorem zdefiniowanych environmentów (znaczy różne gry pod które można w miarę prosto podpiąć swoje algorytmy uczące). Kiedyś napisałem sobie enva z grą w węża i nauczyłem sieć neuronową w niego grać. No i w zasadzie na tym moje doświadczenie z RL się kończy. ( ͡° ͜ʖ ͡°)
@croppz: No to właśnie dlatego GYM jest nieużyteczny w prawdziwych zastosowaniach. To może i jest fajne, proste środowisko do nauki, ale nie daje użytecznych narzędzi do faktycznych analiz... nawet prototypu klasy z dobrymi praktykami czy czymś, trudno ( ͡° ʖ̯ ͡°)