ИСПОЛЬЗУЕМ ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ (нейронные сети) ДЛЯ ПРЕДСКАЗАНИЯ ЦЕНЫ АКЦИЙ!

Рет қаралды 23,510

Күн бұрын

🔥 Индивидуальная программа по обучению data science под вашу цель с моей менторской поддержкой до результата:
ershov.io/dsprogram?...
Тут я рассказываю почему я создал эту программу, для кого она подходит и в чем ее преимущества:
• Video
🔥 Telegram: t.me/ershovds
ИСПОЛЬЗУЕМ ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ (нейронные сети) ДЛЯ
ПРЕДСКАЗАНИЯ ЦЕНЫ АКЦИЙ!
В этому видео я покажу как предсказать цену на акции компании Apple используя
искусственный интеллект (нейронные сети). А именное RNN (LSTM блок).
Ссылки из видео
Датасет: www.kaggle.com/borismarjanovi...
Код: colab.research.google.com/dri...
Контакты:
Instagram: / ershovio
Twitter: / ershovio
Facebook: / ershovio
#ershovds
Таймкоды:
0:00 Введение
1:00 Обзор датасета с Kaggle
2:09 Анализ данных используя Pandas
8:16 Создание датасета для временного ряда
14:33 Обучение RNN модели используя Tensorflow
искусственный интеллект,нейронные сети,ии,нейросети,alexander ershov,александр
ершов

Пікірлер: 141

@AlexanderErshov 3 жыл бұрын

Важно понимать что смысл этого видео не доказать, что с помощью этого алгоритма можно заработать, а показать, как работать с временными рядами используя нейронные сети (RNN). Поэтому: 1. Не нужно пытаться использовать это для реальной торговли, в реальности цена актива зависит от многих параметров, а не только от предыдущей цены. 2. Не нужно предъявлять претензии к видео с точки зрения качества алгоритма для трейдинга / инвестирования, как я уже сказал, цель видео - научиться работать с временными рядами, а не заработать с помощь этого алгоритма. Можно было бы для этого взять другую задачу на временной ряд - например предсказание погоды.

@konakona2456 3 жыл бұрын

Про второй пункт. «Научиться работать с временными рядами» ? Чел, ты же делаешь shuffle, а это самая грубая ошибка, когда работаешь с данными включающие время. После шафла ты как бы заглядываешь в будущее. Кто хочет реально научиться МЛу чекайте ods, а ты чел просто молча удали видос.

@AlexanderErshov 3 жыл бұрын

Shuffle делается внутри train и test отдельно, смотри видео внимательнее, там нету лика данных.

@yankakupala4464 3 жыл бұрын

@@konakona2456 наглый двоечник! что еще за "данные включающие время"? :)

@ClosiusBeg 3 жыл бұрын

@@AlexanderErshov Кажись он не про это. Он к тому, что ты вот когда делал фичи и лейблы из времянного ряда, ты за лейбл принял будущее значение и делаешь придикт по будущему, которого в реальности нет. Интересно, а можно ли сделать лейбл перед фичами и что это даст? хмм

@annaarbuz3277 3 жыл бұрын

@@ClosiusBeg Так по лэйблу и не делается предикт, а вычисляется ошибка в обучении с учителем. А что касается shuffle, то это перемешивание батчей, а не позиций внутри батча. Так как использовалась stateless lstm, то последовательность батчей не имеет значения - на каждой итерации состояние сбрасывается.

@user-nf2bj6et6y 3 жыл бұрын

Наконец-то не занудный контент по дата сайенсу) Вангую, этот канал в скором времени взлетит до небес Удачи автору!

@socolovalexandr 3 жыл бұрын

Какую ещё тему я хочу?... БЕЗ ПОНЯТИЯ! Я вообще как в тумане в этой теме. Твои эти практические примеры очень классно придают форму всем абстрактным знаниям, которыми обычно пестрит интернет. Лайк, подписка и буду смотреть любые примеры, которые ты посчитаешь, что они похожи на реальные. Спасибо огромное за твой труд!

@andriiyerko2700 3 жыл бұрын

Как вовремя! Прямо сейчас разбираю эту тему, и тут видос вышел)

@user-vj2vm9bi2g 3 жыл бұрын

совет: подавайте на вход разные данные, и период исторических данных 80-100, ну и сетка несколько сложнее должна быть, чтобы обработать вход

@PhilippeRigovanov 3 жыл бұрын

Спасибо! Топовый контент!

@user-cw7jb2dx3d 3 жыл бұрын

Спасибо за видео. Успехов в развитии канала.

@user-yt4lf3fu4e 3 жыл бұрын

Спасибо за видео!

@user-yc4ik4nx1n Жыл бұрын

Лайк и благодарность за практические руководства!

@maksum4062 3 жыл бұрын

Крутяк крутяк крутяк

@lozaran 3 жыл бұрын

Круто, было бы интересно увидеть видео про компьютерное зрение👀 - какоенибудь yolo без трансферного обучения, а с нуля, с определением всех ошибок, датасетов, моделей и т.д.🤔

@marlenzhantore8218 3 жыл бұрын

Чел, можно видосики только такого формата! Успех тебе!!

@nikolay501 3 жыл бұрын

Спасибо за видео,хотелось бы, (обучение с подкреплением ) reinforcement learning q learning , Спасибо

@denis_fintech 3 жыл бұрын

круто. очень мало видео о том как применять дата сайнс на практике!

@user-jb3sm5pl8l 3 жыл бұрын

У меня на работе стоит задача, люди играют в теннис и нужно обучить модель, чтобы она определяла счет игры. Хотелось бы увидеть проект по cv

@datatrainee198 Жыл бұрын

просто топ канал.... просто топ канал

@olegslavashevich3625 3 жыл бұрын

Давай что-нибудь со сверточными нейронными сетями, например классификатор изображений

@momotdmvi 3 жыл бұрын

Александр, привет. Если есть возможность, сними пожалуйста видео про практические методы максимизации. Про scipy optimize или что-то подобное. Т.к. задачи этого типа очень востребованные (распределение рабочих ресурсов по предприятию и т.д.), а нормального видео про эту тему я не находил.

@enotbert 2 жыл бұрын

Добрый день. Отличное видео, спасибо за контент. С практической точки зрения, более ценно если бы модель предсказывала флуктуации цены, когда прирост цены сменяется убыванием. Гипотетически это можно сделать проанализировав корреляцию торговых объемов и цены закрытия. Скажите, такого рода задача принципиально отличается от того, что показано в видео?

@denisalexandrov868 3 жыл бұрын

Дааа, это то что надо! Крутое видео, прям тогда, когда оно мне понадобилось. Только я не совсем понял, а как теперь использовать эту модель. Я так понимаю мы как-то должны передать ей диапазон дат и получить цену акции на эти даты. А можно этой модели передать не только даты, но и, например, ещё цену акции при открытии продажи, чтобы получить рассчитанную стоимость для закрытия? Каналу - развития! Хочется ещё подобных видео с примерами разных задач и также с примерами настройки моделей.

@AlexanderErshov 3 жыл бұрын

данная модель принимает n предыдущих цен (где n - windows size) и возвращает n + 1 цену. Даты передавать не нужно. Можно обучить модели, которые будут выдавать цену закрытия.

@enotbert 2 жыл бұрын

@@AlexanderErshov Подозреваю, вопрос был в том, где посмотреть предсказанную цену. Сколько долларов стоит акция 5 мая 2025 года например.

@rodipit2680 3 жыл бұрын

клево)

@Woodreack 3 жыл бұрын

чел, жду еще подобных видео, как только заработаю на этом денег я тебе задоначу! как же все понятнее стало намного, ты класный

@nataliaermakova7222 3 жыл бұрын

а если проиграешь то что?))) спросишь за негодный контент)))

@Woodreack 3 жыл бұрын

@@nataliaermakova7222 проиграю?...

@nataliaermakova7222 3 жыл бұрын

@@Woodreack ага

@user-jg4yo9pc2b 2 жыл бұрын

Очень конечно интересно, но где результат тестовых предсказаний?

@iglstivens 2 жыл бұрын

Видос прикольный, пару моментов подчеркнул для себя, но осталось ощущение неполноты видео, нет еще пару команд для просмотра результата предсказания, хотелось бы увидеть концовку. а так еще буду ждать видео про CNN, классификация изображения и еще крутая тема по созданию Генератора и Дискриминатора.

@antondityatev2338 3 жыл бұрын

Ждем следующее видео из ванной комнаты))) шутка. Контент топ!

@lox_ne_ya 3 жыл бұрын

Давай видео про сегментацию сверточныя нейросетей!

@7FirstClass7 3 жыл бұрын

Здравствуйте. Очень интересная данная тема. В данный момент учусь на 1 курсе, планирую поступить в этом либо следующем году в computer science center. Что можете сказать о нем ?

@AlexanderErshov 3 жыл бұрын

хорошее место, можете от них посмотреть курсы на stepik что бы оценить

@amm8240 3 жыл бұрын

Расскажи что-то про матан в DS

@igorm6314 3 жыл бұрын

Александр, здравствуй. Ты очень крутой специалист! Спасибо больше за твой канал! Скажи пожалуйста какой ВУЗ ты заканчивал ? И по какой специализации ?

@AlexanderErshov 3 жыл бұрын

СПбГУ, специальность связана с программированием

@igorm6314 3 жыл бұрын

@@AlexanderErshov спасибо большое !)

@mansurs7748 Жыл бұрын

А можно этот же датасет на алгоритмах Sarima, arima и других алгоритмах?

@meow11122 3 жыл бұрын

Было бы здорово про computer vision

@Roman-ew2tu 3 жыл бұрын

А можно эту тему как помощь в ставках на спорт использовать для вангования?

@AlexanderErshov 3 жыл бұрын

как помощь - наверное да, но в реальности исход спортивных событий зависит от многих факторов, не только от прошлого проигрыша / выигрыша

@ierogosse 3 жыл бұрын

Так какая цена будет? :) Получается, что на этих данных цена непредсказуема?

@user-tj1mn5wr4i Жыл бұрын

Последняя колонка openint это открытый интерес, это ценные данные, обычно они платные.

@alexinnnn2 2 жыл бұрын

Как в итоге использовать predict? Можно код?

@zjekamur8523 3 жыл бұрын

Несбалансированных классы в временных рядах. Задача: Есть бинарная разметка временного ряда . Например цена и точки где была поставка товара. Необходимо используя временное окно в 20 точек (например 1 точка - 5 минут), предсказать точки где стоило бы довезти товар. Несбалансирование 0.5%

@user-sr4et5rr1i 3 жыл бұрын

Интересная тема для табличных данных - Tabnet от Яндекса. Это не совсем нейронка, но при грамотном использовании может дать результат даже лучше, чем стандартные деревянные

@AlexanderErshov 3 жыл бұрын

не слышал про такую, можешь скинуть ссылку?

@kuperok100 3 жыл бұрын

Подскажи для чего шафл при создании датасета ты ведь сам внале говорил что может быть лик или это имеелось ввиду чтоб тест-датасет был хронолргически после трейна а в пределах каждого датасете уже можно перемешивать

@AlexanderErshov 3 жыл бұрын

Сначала идет разделение на train / test хронологически по времени, а уже внутри них делается shuffle. Так что лика данных не будет.

@errorbe.2974 3 жыл бұрын

Предлагаю сделать распознавание предметов по фото, деталей одежды например. Недавно была такая задача, было бы интересно разобрать)

@karlzinher4181 3 жыл бұрын

Благодарю за видео, но не могли бы вы добавить в описание версии пакетов библиотек. Новичок. Стоит локально анаконда на ноуте. Запуск примера кода завершается ошибкой (не может подружить нумпай массив с керасом. Советы гугла пока не увенчались успехом. Хочу сверится с версиями пакетов, чтобы понять, проблема в них или в чем то еще :)

@AlexanderErshov 3 жыл бұрын

Запустите код в colab, импортируйте библиотеки (самый первый блок). А после него вызовите название библиотеки (как вы ее импортировали).___version___ Например для pandas это "pd.__version__" и вам напечатается версия библиотеки. Или просто можно работать в colab, тогда проблем с импортом будет)

@karlzinher4181 3 жыл бұрын

@@AlexanderErshov Благодарю, да, проблема была в версиях пакетов. Сутки ушли на настройку окружения( не скажу, что впустую потратил время, но настораживает, что со старта столько проблем)

@LawNow Жыл бұрын

вообще колаб ссылку писать в комментарии не плохо бы было =)

@user-ss1fm2xi9s 2 жыл бұрын

А где же само предсказание цены акции? Не получилось?

@user-kd9qt6bq8y 3 жыл бұрын

Привет. А почему в конце не было результата? Вот допустим предсказание от нейронки на 2017 год и вот, что было реально. Или я чтото упустил?

@AlexanderErshov 3 жыл бұрын

Я метрики показал. Или ты имеешь ввиду графики реальной цены и предсказанной?

@user-kd9qt6bq8y 3 жыл бұрын

@@AlexanderErshov да, реальной и предсказанной. для конечной визуализации так скажем) а так, спасибо за ролик, было интересно)

@NikolaiPismennyi 3 жыл бұрын

@@user-kd9qt6bq8y да потому, что на этом графике стало бы ясно, что нейросеть тупо предсказывает будущее текущим значением. То есть никакой нейросеть для этого не надо строить) а ошибка на валидации больше из-за того, что автор даже не удосужился прологарифмировать входные данные)

@MrKim-pt2vm 3 жыл бұрын

Где взять датасет с английскими предложениями, разделёнными по 12 типам времен?

@lox_ne_ya 3 жыл бұрын

в интернете

@AlexanderErshov 3 жыл бұрын

поищи на kaggle или google datasets

@LawNow Жыл бұрын

Попробуй использовать DataGen = TimeseriesGenerator(xTest, yTest, length=300, sampling_rate=1, batch_size=len(xTest))

@user-5ry3th 3 жыл бұрын

Некоторые моменты вызывали боль в моей тонкой душевной организации 1) Ценовые ряды - не стационарные временные ряды 1.1) Не стоит использовать "масштабирование" построенное по всему временному ряду, поскольку последующие данные могут выходить за пределы и все масштабирование сломается. Вместо этого нужно строить обучение по приращениям, самое оптимальное - посчитать разницу логарифмов между текущим и предыдущим значениями 2) Разбивать, по-хорошему, надо на три блока - обучение, валидация и тест. Блоки обучения и валидации гоняются по нескольким эпохам, а тестовые данные используются для финальной проверки модели. Валидационный блок, по сути, тоже влияет на обучение

@panmichal12 2 жыл бұрын

Все неплохо, но есть одно но - предсказать цену акций невозможно ) +не совсем понял, где собственно написание какого-то кода, который отвечает за предсказание цены акций. И последнее - может кто-то подсказать, когда я запускаю кусок history = compile_and_fit(lstm_model, train_ds, val_ds, num_epochs=500), выдаёт TypeError и пишет Missing required positional argument. Перепробовал разные варианты, кусок так и не заработал. Кто-то с таким сталкивался?

@MrKim-pt2vm 3 жыл бұрын

Давай нейронку которая хакнет сеть биткоин, без обдолбанных расчетов хэшей, с го получилось без пересчетов

@andreyprometey 3 жыл бұрын

Самого предсказания не было, только метрики. Надо было графически показать факт и прогноз, было бы наглядно

@brunneng8575 Жыл бұрын

Ну а где конец? Зачем вот это в конце "делать я этого не буду" и т.д.?. Ну доделайте же, покажите как получилось по итогу, какая точность, как использовать потом предсказание. А то часть сделали, а то ради чего всё делалось идет лесом

@amm8240 3 жыл бұрын

Актуалочка, над этим думал, как инструмент трейдинга зайдет

@aciddic79 2 жыл бұрын

А почему не Яху финанс?

@LawNow Жыл бұрын

Проверь на сколько отличается предсказание и реальность с учетом сдвига, возможно ты научил сеть предсказывать те же значения но со сдвигом, что видно из переобучения =)

@user-jb1nb6en4z 2 жыл бұрын

Все это круто конечно, вот тут нужно такая функция, тут такая. А вот почему такая функция нужна, и именно такая, с такими параметрами и т.п, эту инфу откуда брать книги читать, медитировать, гадать или че, не догоняю. Или это приходит со временем, с практикой, но опять же не просто же догадаться, что нужна нормализация, или нужен вот такие слои и т.п Вот я сейчас смотрю и реально психую, что больше половины не понятно.

@AlexanderErshov 2 жыл бұрын

Это видео - разбор практической задачи для тех, кто уже знает базовые вещи. Можешь посмотреть мою менторскую программу в описании, где я помогаю с обучением, либо изучай базу самостоятельно.

@bishkek8699 3 жыл бұрын

Прикольно было б нейронная сеть для музыки чтоб он сам писал )

@bishkek8699 3 жыл бұрын

Просто я видел пару видосиков и не зашло 😂 хотя рабочая тема

@AlexanderErshov 3 жыл бұрын

есть такая openai.com/blog/jukebox/

@user-tj4ut8ox9r 3 жыл бұрын

Standard scaler будет изменять суть данных, дял этой задачи не подойдёт

@ClosiusBeg 3 жыл бұрын

кстати рил! "The idea behind StandardScaler is that it will transform your data such that its distribution will have a mean value 0 and standard deviation of 1" так вот делает он это преобзазование относительно sd всего датасета. А датасет твой это сэмпл а не вся популяция (ген совокупность). А в подобном времянном ряду центральная предельная теорема то не работает (ну я так полагаю)... Поэтому другой сэмпл может иметь другое sd и скеллер херню сморозит... Кстати мб тут стационарность (индеграция ряда) поможет?

@user-tj4ut8ox9r 3 жыл бұрын

@@ClosiusBeg насколько я знаю здесь лучше всего подойдёт Z-Score

@ClosiusBeg 3 жыл бұрын

@@user-tj4ut8ox9r так z-score это и есть стандард скелер вроде?

@user-tj4ut8ox9r 3 жыл бұрын

@@ClosiusBeg standard scaler разве не мапит все числа от 0 до 1? В моем понимании з скор берет среднее число из ряда чисел и мапит все остальные под это среднее значение

@TheRony999 3 жыл бұрын

В году торговых дней ведь не 365, а меньше намного. 200 вроде бы

@AlexanderErshov 3 жыл бұрын

Торговых - да, но там в колонке date обычные даты

@project-sz3sr 3 жыл бұрын

ну предсказания то не было самого

@user-nb6pj3hz6e 3 жыл бұрын

Сделал алгоритм с акциями Теслы Два дня подряд обучался (25000 поколений) Уже начал думать какого брокера выбрать для торговли Выдало, что должно расти Проверяю - либо способ не работает, либо я тупой, либо акции невозможно предсказать...

@user-nb6pj3hz6e 3 жыл бұрын

А вообще для дейтрейдинга на стабильных рынках, когда работает чисто алгоритм биржи, на каких-нибудь нефтяных фьючерсах, может зайти (проверю)

@nataliaermakova7222 3 жыл бұрын

почему данные не качаются напрямую с yahoo? зачем эти сложности с файлами. уже какой видос про предсказание цен на просторах ютюба и везде файлы какие-то с данными

@karlzinher4181 3 жыл бұрын

как по мне, нормально, лично я при обучении не хочу зависеть от интернета...

@nataliaermakova7222 3 жыл бұрын

@@karlzinher4181 вообще то без интернета не будет никакого обучения 🤣

@karlzinher4181 3 жыл бұрын

@@nataliaermakova7222 у меня не будет )) вы правы))) а у нейронки все будет окей :)

@abenderbey 3 жыл бұрын

Надо было изобразить на графике сравнение факт-предикт, но я знаю что было бы на этом графике - линия прогноза повторяла бы линию факта, но с опозданием на 1 тик свечи, то есть 1 день. Такой оракул, который после наступления события говорит - я так и знал!). Делов в том, что нельзя предсказывать цену по цене, может и можно, но дело гиблое)

@purplep3466 3 жыл бұрын

шумов в цене слишком много, нужны менее сжатые данные

@AlexanderErshov 3 жыл бұрын

Да, я понимаю, что такая модель плохо подходит для реальной торговли. Но цель этого видео не доказать, что на ней можно заработаь, а показать как работать с временными рядами используя RNN. Просто я выбрал задачу предсказания цены, можно было взять другую - например погоду предсказывать.

@abenderbey 3 жыл бұрын

@@AlexanderErshov Я понимаю, урок отличный, вопросов нет - техника исполнения корректная. Просто многие в комментах решили, что смогут заработать на трейдинге таким образом)

@yankakupala4464 3 жыл бұрын

А других-то вариантов аппроксимировать случайное блуждание у LSTM и нет...

@AlexanderErshov 3 жыл бұрын

@@abenderbey написал в закрепленном комментарии об этом

@kirilldikalin 3 жыл бұрын

Грустно, что непосредственного предсказания так и не случилось, научить работать с нейронкой это конечно круто, но хотелось бы получить какой-то результат

@AlexanderErshov 3 жыл бұрын

В качестве результата я посчитал значение метрики. Или ты имеешь ввиду именно сравнить предсказанные и реальные значения цены?

@kirilldikalin 3 жыл бұрын

@@AlexanderErshov Да, хотелось бы видеть результат работы, а то получается кликбейт какой-то, значение метрик посчитали, а дальше? Если цель видео показать как можно работать с нейронными сетями и временными рядами, то следует так и называть видео. В этом же случае было бы супер показать насколько модель хорошо справляется со своими задачами, чтобы человек, который посмотрел это видео смог применить эти знания на практике ) В общем ждём продолжение, потому что материал подаётся супер классно, спасибо за то, что ты делаешь!

@AlexanderErshov 3 жыл бұрын

@@kirilldikalin да, я понял, что уже несколько человек ожидало именно хороший алгоритм с точки зрения трейдинга / инвестирования и написал об этом в закрепленном комментарии

@kirilldikalin 3 жыл бұрын

@@AlexanderErshov Нет нет, не важно насколько хорош алгоритм в предсказании цены, цель же была не бота трейдера писать. В теории вся работа должна быть разделена на несколько этапов (1. постановка задачи, 2. обучение тому как работать с временными рядами используя нейронные сети (RNN) и непосредственно 3. результат). Так вот как раз результата очень не хватает, я бы хотел применить то, что ты показал в видео на абсолютно других данных, но не знаю что делать дальше. Как мне получить искомые значения, после того как я получил хорошие значения метрики?

@AlexanderErshov 3 жыл бұрын

У модели есть метод predict, его надо вызвать чтобы получить результат предсказаний. Да можно было это сделать в конце, что-то не подумал(

@ko-prometheus 3 жыл бұрын

Все расчеты основанны на прошлом. Надо в прогноз внести будущее. Тогда ты станешь миЛЛиардером. И я тоже. Так как я понимаю как заглянуть в будущее.....

@user-di9fv8zn5x 2 жыл бұрын

Здравствуйте, Александр! Я практикующий трейдер. Давайте замутим проект. Создадим типа фонда, прибыль пополам. Я даю фичи, вы пишете код.

@user-mq7xq1hi2q 2 жыл бұрын

Так а где сам прогноз цены акции?) Ты же просто обучил модель, но по итогу так и не сделал прогноз

@mrSvob75A 3 жыл бұрын

Комментарий

@vitekgx Жыл бұрын

Наш мозг - нейронка. Прогнозирование цены = цены (изменение цен) + факторы (человеческий, политический, мировые рынки, события) + нейронка с индивидуальной попыткой определить цену с указанием причины и отметанием ложных или ведущих к заблуждению. И то не факт, что будет точно или правильно. Слишком много факторов. Думайте сами. Иметь или не иметь. А лучше быть инсайдером в правильных учреждениях.

@LLITALKER 2 жыл бұрын

Нет учёта опыта Нокия, Моторолла.

@user-tj4ut8ox9r 3 жыл бұрын

Регрессия здесь работать не будет, а вот классификация, я думаю, имеет шансы.

@ClosiusBeg 3 жыл бұрын

А причем тут регрессия вообще? У него RNN

@user-tj4ut8ox9r 3 жыл бұрын

@@ClosiusBeg я что-то попутал 😂😂 не посмотрел видео до конца, в начале он говорит, что-то о регрессии

@user-tj4ut8ox9r 3 жыл бұрын

@@ClosiusBeg ещё я имел ввиду, что предсказание значения цены невозможно

@hinomuratomisaburo4901 3 жыл бұрын

@AsmOdaYZomBY 3 жыл бұрын

Предсказание продаж.

@kiraburana6392 3 жыл бұрын

Все иетересно

@yankakupala4464 3 жыл бұрын

Набегут ща высокочастотники

@HelloWorld-sy4yc 3 жыл бұрын

Ребят, предсказать что-то невозможно, хватит мусолить какую-то херь!

@AlexanderErshov 3 жыл бұрын

Уже ответил про это в другом комментарии, но повторю: Цель этого видео не доказать, что с помощью такой ML модели можно заработать, а показать как можно работать с временными рядами используя RNN сети, просто для этого я выбрал задачу предсказания цены, можно было взять другую (например погоду предсказывать).

@LawNow Жыл бұрын

plt.figure(figsize=(14,7)) plt.plot(history.history['loss'], label='Средняя абсолютная ошибка на обучающем наборе') plt.plot(history.history['val_loss'], label='Средняя абсолютная ошибка на проверочном наборе') plt.ylabel('Средняя ошибка') plt.legend() plt.show()