|
|
|
@@ -4,4 +4,22 @@ |
|
|
|
|
|
|
|
Ce code démontre la mauvaise généralisation des fonctions d'activations classiques à des signaux périodiques. |
|
|
|
|
|
|
|
Il tente de reproduire la figure de l'introduction |
|
|
|
Il tente de reproduire la figure de l'introduction |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
## wilshire_5000 |
|
|
|
|
|
|
|
Prédiction des données financières à partir de l'index Wilshire5000 |
|
|
|
|
|
|
|
Classical Installations Required : numpy, pandas, tensorflow and matplotlib (and warnings) |
|
|
|
|
|
|
|
Other Installation : statsmodels for ARIMA predictions (pip install statsmodels) |
|
|
|
|
|
|
|
Le notebook est une démo du fonctionnement des fonctions. |
|
|
|
Le fichier wilshire.py s'occupe du pré-processing des données et parsing. |
|
|
|
Le fichier nn.py s'occupe de la partie DeepLearning, ainsi que les prédictions ARIMA et finalement plot les fonctions. |
|
|
|
|
|
|
|
#### Données |
|
|
|
|
|
|
|
[Données](https://fred.stlouisfed.org/series/WILL5000INDFC) |