+关注
已关注

分类  

暂无分类

标签  

暂无标签

日期归档  

暂无数据

熊猫数据框用作神经网络的输入?

发布于2020-09-12 11:26     阅读(1037)     评论(0)     点赞(1)     收藏(5)


我正在尝试从头开始创建最基本的神经网络,以预测苹果的库存。到目前为止,在查看数据科学教程的帮助下,以下代码是到目前为止。但是,我实际上需要输入数据并确保其正确执行。我将输入股票交易的熊猫数据框。这是我对NN的看法。

  • 5个输入节点(“打开”,“关闭”,“高”,“低”,“音量”)*注意-这将在带有日期时间索引的熊猫数据框中
  • 自动对焦,将每个输入的权重相加。
  • 乙状结肠功能以标准化值
  • 1个输出(adj关闭)*不确定我应该使用什么作为实际值

然后,该过程将使用反向传播技术向后移动。

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)

如果您有任何建议,更正或任何其他内容,请让我知道,因为我已全心投入于学习神经网络。

谢谢。


解决方案


在神经网络中直接使用熊猫绝对是荒谬的。表演真是糟糕透顶。相反,您要做的是传递基础numpy数组。

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

y = df['adj close'].values

这能回答问题吗?



所属网站分类: 技术文章 > 问答

作者:黑洞官方问答小能手

链接: https://www.pythonheidong.com/blog/article/519078/

来源: python黑洞网

任何形式的转载都请注明出处,如有侵权 一经发现 必将追究其法律责任

1 0
收藏该文
已收藏

评论内容:(最多支持255个字符)