Inteligencia Artificial en Finanzas

Capítulo 7. Redes neuronales densas

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

[Si intentas predecir los movimientos de una acción en bolsa a partir de su historial reciente de precios, es poco probable que lo consigas, porque el historial de precios no contiene mucha información predictiva.

François Chollet (2017)

Este capítulo trata sobre aspectos importantes de las redes neuronales densas. Los capítulos anteriores ya han hecho uso de este tipo de redes neuronales. En concreto, los modelosMLPClassifier y MLPRegressor de scikit-learn y el modelo Sequential de Keras para clasificación y estimación son redes neuronales densas (DNN). Este capítulo se centra exclusivamente en Keras, ya que ofrece más libertad y flexibilidad en el modelado de las DNN.¹

"Los datos" presenta el conjunto de datos de divisas (FX) que utilizan las demás secciones de este capítulo. "Predicción de referencia " genera una predicción de referencia, en la muestra, sobre el nuevo conjunto de datos. La normalización de los datos de entrenamiento y de prueba se introduce en "Normalización". Como medios para evitar el sobreajuste, en "Ab andono " y "Regularización" se tratan el abandono y la regularización como métodos populares. El ensacado, como otro método para evitar el sobreajuste y ya utilizado en el Capítulo 6, se revisa en "Ensacado". Por último, en "Optimizadores" se compara el rendimiento de distintos optimizadores que pueden ...