呆板进修可否预测加密钱币的价值？

这份实用指南提供了你预测加密钱币价值飞速上涨所需的基本常识。

十五年前，我开始摸索数字钱币的世界，并为一个只利用短信的点对点移动钱币平台做了原型。

最近，我的一位相助者问我，人工智能是否可以预测加密钱币的价值。她对区块链的炒作很好奇。

颠末研究，我发明预测加密钱币价值是一个可以办理的问题，但绝对不是针对所有市场条件。

加密资产的典范预测模子将操作时间序列预测（如ARIMA、Facebook Prophet）、呆板进修（如随机丛林算法、线性回归）或深度进修要领（如LSTM）。

在本文中，我研究了在预测给定日期的Litecoin平均价值时，片段插值的表示如何。

我们将存眷2013年4月至2021年2月期间Litecoin的汗青价值。这些数据取自coinmarketcap，而且是可以免费利用的。我将数据分为80%的练习数据集和20%的测试数据集。后者用于评估我们预测收盘价的精确性。

加密钱币Litecoin的价值汗青 (Source: Kaggle)

短暂的摸索性数据阐明昭示，平均收盘价在年头和年尾是最高的。10月份最低。

你大概传闻过多项式回归，这可以说是建设一个阶数为d的基本来近似一个非线性函数（在我们的例子中，加密钱币价值颠簸）的最简朴例子。

我对Litecoin的汗青价值举办了简朴的多项式回归，利用5、25和80的阶数。在每种环境下，R2值将提供一些关于模子在测试数据集上的拟合度优劣的信息。

从下面的蓝线与练习数据的拟合度来看，我们可以调查到跟着多项式阶数的增加，曲线越来越陡峭。这是由于模子巨大性增加，因为高阶多项式试图追逐练习会合的每一个单一数据点。

第0天代表2013年4月30日，第2800天代表2021年2月28日。

出格是在有离群值的区域（图的中间部门），高阶多项式往往会向这些离群值的偏向成长。因此，80阶多项式的模子具有最高的方差。

它在练习数据上的毛病也是最低的，这表此刻最高的R2值上，对比之下，低阶多项式的R2更低，意味着更高的毛病但更低的方差。低阶多项式对练习数据的敏感性较低。

我发明一个更机动的要领是利用片段多项式来预测加密钱币价值。

分片插值用低阶多项式拟合大量的数据点。由于我们只利用低阶多项式，我们消除了太过的振荡和非收敛性。

给定一组数据点，分片插值的事情道理是在每一部门数据中利用差异的多项式。

出格是，我们利用毗连的分片多项式，也称为样条。

样条的一个例子是下面的截断线性函数。它在4的左边是平的，称为函数的结。

给定几个结点，我们可以将多个线性基函数组合起来，并将其拟合到非线性数据中。

为了检测加密钱币价值中存在的高度曲线干系，我利用了一个截断的三次函数，也叫三次样条。

利用三次样条，我们将数据支解成块，并对每个块拟合一个三次样条。每个样条函数在结点处毗连到下一个函数。

三次样条是加密钱币价值变革的一个很是好的选择，因为毗连是滑腻的。三次样条的斜率和它们的第一和第二导数都是匹配的。三次样条是3阶的多项式函数，它仍然足够小，以制止差别性。

三次B-样条是三次样条的一个更容易的变体，用于高效计较，因为最多有5个基函数参加孝敬插值。下面我们可以看到三次B-样条在Litecoin价值上的表示，将结点放在四分位数上之后。

通过手动选择结点，即在我们有一堆数据点的环境下，与按照四分位数安排结点时的值对比，我们在测试数据集上实现了更好的R2。

郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。