Özel kayıp fonksiyonuyla sinir ağını eğit

Şimdi az önce oluşturduğumuz özel kayıp fonksiyonunu kullanacağız. Bu, modelin davranışını problemimize özel, faydalı şekillerde değiştirmemizi sağlayacak — en azından fiyat hareketinin yönünü doğru tahmin etmeyi öğrenmeye zorlamaya çalışacak. Artık tek yapmamız gereken .compile() fonksiyonundaki loss argümanını fonksiyon adımız olan sign_penalty olarak ayarlamak. Eğitim kaybını tekrar inceleyip yataylaşıp yataylaşmadığını kontrol edeceğiz.

Bu egzersiz, kursun bir parçasıdır

Python ile Finans için Machine Learning

Kursa Göz Atın

Egzersiz talimatları

İlk sinir ağı katmanının input_dim parametresini, scaled_train_features içindeki sütun sayısına .shape[1] özelliğiyle ayarla.
Özel sign_penalty kayıp fonksiyonunu kullanarak model_2'yi .compile() et.
Eğitimin history nesnesinden kaybı görselleştir. Kayıp değeri history.history['loss'] altındadır.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Create the model
model_2 = Sequential()
model_2.add(Dense(100, input_dim=____, activation='relu'))
model_2.add(Dense(20, activation='relu'))
model_2.add(Dense(1, activation='linear'))

# Fit the model with our custom 'sign_penalty' loss function
model_2.compile(optimizer='adam', loss=____)
history = model_2.fit(scaled_train_features, train_targets, epochs=25)
plt.plot(____)
plt.title('loss:' + str(round(history.history['loss'][-1], 6)))
plt.show()

Kodu Düzenle ve Çalıştır