Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
LilianAI 번역헤드라인
RNN을 이용한 주가 예측: Part 2
본 튜토리얼은 순환 신경망(RNN)을 활용하여 여러 종목의 주가를 예측하는 방법을 다루며, 특히 각 주식 심볼에 대한 정보를 모델에 명시적으로 제공하는 데 초점을 맞춥니다. 이를 위해 주식 심볼 임베딩 벡터를 입력으로 추가하고, 가격 시퀀스와 결합하여 LSTM 셀에 입력합니다. 이 방식은 원-핫 인코딩보다 효율적이며, 유사한 주식 간의 관계 학습을 가능하게 합니다.
5월 13일4
LilianAI 번역헤드라인
RNN을 사용한 주가 예측: Part 1
본 문서는 Tensorflow를 사용하여 순환 신경망(RNN)을 구축하고 주가 예측 모델을 훈련하는 방법을 다루는 튜토리얼입니다. 특히 S&P500 지수의 종가를 예측하기 위해 LSTM 셀을 활용한 RNN 모델 구축 과정을 설명합니다. 이 가이드는 단순히 예측 결과 개선보다는, 실제 세계의 데이터를 사용하여 Tensorflow에서 RNN 모델을 구현하고 학습시키는 과정 자체에 초점을 맞추고 있습니다.
5월 13일4
LilianAI 번역헤드라인
머신러닝 모델의 예측을 어떻게 설명할까?
머신러닝 모델이 금융, 의료, 사법 등 핵심 영역에서 사용됨에 따라, 모델의 결정 과정을 이해하고 신뢰성을 확보하는 것이 필수적입니다. 특히 딥러닝 기반의 복잡한 '블랙박스' 모델들은 그 작동 원리를 설명하기 어렵다는 문제가 있습니다. 이에 따라 연구 분야가 활발히 진행되고 있으며, 해석 가능한 모델(Interpretable Models)을 설계하거나 기존 블랙박스 모델의 예측 결과를 사후적으로 분석하는 방법론들이 제시되고 있습니다.
5월 6일11