pandas фрейм данных используется в качестве входных данных для нейронной сети? - PullRequest
Новая
       27

pandas фрейм данных используется в качестве входных данных для нейронной сети?

1 голос
/ 24 января 2020

Я пытаюсь создать основную c нейронную сеть с нуля, чтобы прогнозировать запасы яблок. Следующий код - это то, что я получил до сих пор с помощью просмотра учебников по науке о данных. Тем не менее, я нахожусь на пороге фактической подачи данных и уверенности в том, что они делают это правильно. Это мой взгляд на NN.

  • 5 Входные узлы (Open, Close, High, Low, Volume) * примечание - это будет в pandas фрейме данных с индексом даты и времени
  • AF, который суммирует веса каждого входа.
  • Сигмоидальная функция для нормализации значений
  • 1 выход (прил. Близко) * Не уверен, что я должен использовать в качестве фактического значения

Тогда процесс состоит в том, чтобы вернуться назад, используя технику обратного распространения. 

import pandas as pd
import pandas_datareader as web
import matplotlib.pyplot as plt
import numpy as np

def sigmoid(x):
    return 1.0/(1+ np.exp(-x))

def sigmoid_derivative(x):
    return x * (1.0 - x)

class NeuralNetwork:
    def __init__(self, x, y):
        self.input      = x
        self.weights1   = #will work out when i get the correct input
        self.weights2   = #will work out when i get the correct input                
        self.y          = y
        self.output     = #will work out 

    def feedforward(self):
        self.layer1 = sigmoid(np.dot(self.input, self.weights1))
        self.output = sigmoid(np.dot(self.layer1, self.weights2))

    def backprop(self):
        # application of the chain rule to find derivative of the loss function with respect to weights2 and weights1
        d_weights2 = np.dot(self.layer1.T, (2*(self.y - self.output) * sigmoid_derivative(self.output)))
        d_weights1 = np.dot(self.input.T,  (np.dot(2*(self.y - self.output) * sigmoid_derivative(self.output), self.weights2.T) * sigmoid_derivative(self.layer1)))

        # update the weights with the derivative (slope) of the loss function
        self.weights1 += d_weights1
        self.weights2 += d_weights2


if __name__ == "__main__":
    X = #need help here
    y = #need help here
    nn = NeuralNetwork(X,y)

    for i in range(1500):
        nn.feedforward()
        nn.backprop()

    print(nn.output)

Если у вас есть какие-либо предложения, исправления или что-то еще, пожалуйста, дайте мне знать, потому что я тщательно инвестировал в обучение нейронные сети.

Спасибо.

1 Ответ

0 голосов
/ 28 января 2020

Непосредственное использование Pandas в нейронной сети было бы абсолютно нелепым. Производительность была бы ужасной. Вместо этого вы передаете базовый массив numpy. 

X = df[['Open','Close','High','Low','Volume']].values

y = df['adj close'].values

Это отвечает на вопрос?

...