• Ushbu grafik tuzamiz
  • Image Recognition




    Download 5,69 Mb.
    bet36/182
    Sana19.05.2024
    Hajmi5,69 Mb.
    #244351
    1   ...   32   33   34   35   36   37   38   39   ...   182
    Bog'liq
    Python sun\'iy intellekt texnologiyasi Dasrlik 2024

    AI qo‘shish
    Bu aksiyalarning keyingi narxini bashorat qilish uchun JUDA oddiy ARIMA modelini tuzdim, shuning uchun uni o‘quv qo‘llanma sifatida ko‘rib chiqish. Ushbu ishlanmalardan haqiqiy savdo uchun foydalanish uchun sizga yaxshiroq va kuchliroq modelni izlashni maslahat beraman. Ammo ehtiyot bo‘lmang: agar bu oson bo‘lsa, hamma ham shunday modellarga ega bo‘lardi.
    Birinchidan, DataFrame-ni o‘qitish va sinov ma’lumotlariga ajratamiz, shunda biz o‘quv modeli natijalarini sinab ko‘rish uchun test majmuasidan foydalanishimiz mumkin. Men so‘nggi 10% ma’lumotlardan test to‘plami sifatida foydalanmoqchiman.
    X = df.index.values
    y = df['Low'].values
    # Bo‘linish nuqtasi ma’lumotlar ramkasi uzunligining 10% ni tashkil qiladi
    offset = int(0.10*len(df))
    X_train = X[:-offset]
    y_train = y[:-offset]
    X_test = X[-offset:]
    y_test = y[-offset:]
    Ushbu grafik tuzamiz:
    plt.plot(range(0,len(y_train)),y_train, label='Train’)
    plt.plot(range(len(y_train),len(y)),y_test,label='Test’)
    plt.legend()
    plt.show()

    3.1.3-rasm. Dastur natija oynasi
    Bu yerda modelning giperparametrlari o‘rnatiladi, real hayotda esa optimal parametrlarni olish uchun o‘zaro tekshirishdan foydalanish kerak. Bu yerda Python-da ARIMA giperparametrlarini gridga qanday moslashtirish bo‘yicha ajoyib qo‘llanma. Men 5, 0, 1 konfiguratsiyasidan foydalanaman va mashg’ulot ma’lumotlaridan keyin darhol sodir bo‘ladigan lahzani bashorat qilaman.
    from statsmodels.tsa.arima.model import ARIMAmodel = ARIMA(y_train, order=(5,0,1)).fit()
    forecast = model.forecast(steps=1)[0]
    Ushbu trening modelimiz yaxshi ishladimi yoki yo‘qligini bilib olaylik:
    print(f'Real data for time 0: {y_train[len(y_train)-1]}')
    print(f'Real data for time 1: {y_test[0]}')
    print(f'Pred data for time 1: {forecast}')
    Real data for time 0: 1776.3199462890625
    Real data for time 1: 1776.4000244140625
    Pred data for time 1: 1776,392609828666
    Ushbu ma’lumot yordamida biz qanday afzalliklarga ega bo‘lishimizdan qat’i nazar, qoidalar to‘plamini aniqlashimiz mumkin: agar qimmatli qog’ozlar qimmatlashsa sotmang yoki narx pasaysa sotmang. Ammo qoidalarni shakllantirmaylik, agar ularga barcha pullarini yo‘qotganlar meni sudga berishadi. Siz mening maslahatlarimsiz o‘zingizning qoidalar to‘plamini ishlab chiqishingiz kerak bo‘ladi. Ayni paytda men ikkinchi bosqichga o‘tyapman - broker bilan bog’lanish.

    Download 5,69 Mb.
    1   ...   32   33   34   35   36   37   38   39   ...   182




    Download 5,69 Mb.