Top 5 Machine Learning Python libraries แห่งปี 2017

1. SciKit – Learn (Commits: 21793, Contributors: 842) SciKit – Learn นับว่าเป็น Library ที่ Hot มาก สำหรับการทำ Machine Learning จริงๆ แล้ว library  นี้ ตอนออกมาใหม่ตั้งใจออกมาเป็นตัวเสริมต่อจาก library SciPy แต่กลับโด่งดัง ได้รับความนิยมอย่างแพร่หลายในเวลาอันรวดเร็ว  เนื่องจากครอบคลุม Algorithm หลักๆ ของ Machine Learning ไว้แทบจะทั้งหมด ที่ต้องบอกว่าหลักๆ เนื่องจาก ML พัฒนาเร็วมาก การจะเคลมว่าทำได้ทุกอย่างก็คงจะรับประกันไม่ได้ แต่เอาเป็นว่าถ้าต้องการทำ … Continue reading Top 5 Machine Learning Python libraries แห่งปี 2017

Top 5 Basic Python Libraries แห่งปี 2017

ในบทความนี้ เราจะมาทัวร์ไลบารี่พื้นฐานของ Python ที่เป็นที่กำลังเป็นที่นิยมกันมากๆในปีนี้กันค่ะ ใครที่ใช้ Python  หรือ กำลังสนใจจะใช้ ก็อย่าลืมไป install มาใช้กันนะคะ รับรองเลยว่าจะทำให้การทำงานราบรื่น ง่ายดาย ขึ้นอีกมากกกกกก นี่ล่ะค่ะ อีกหนึ่งข้อดีของ Open source  และ ยิ่งเป็น Open source ที่กำลังได้รับความนิยมจากผู้ใช้ทั่วโลกแบบนี้ด้วยแล้ว การพัฒนาจะรวดเร็ว ก้าวไกล ยิ่งขึ้นไปอีก ทำให้ผู้ใช้งานอย่างเราได้รับผลประโยชน์ไปแบบเต็มๆ มาดูกันดีกว่าค่ะ ว่าไลบรารี่พื้นฐานที่น่าเล่นของ  Python มีอะไรกันบ้าง 1. Numpy (Commits: 15908, Contributors: 522) หนึ่งในไลบารี่พื้นฐานที่ผู้ใช้ Python 99% … Continue reading Top 5 Basic Python Libraries แห่งปี 2017

Decision Tree in Stock market

Decision Tree หรือ ต้นไม้การตัดสินใจ เป็นอีกหนึ่งอัลกอริทึ่มที่ได้รับความสนใจกันอย่างแพร่หลาย เนื่องจากสามารถเข้าใจ และ มองเห็นภาพได้ง่าย ก่อนจะลงไปในรายละเอียดกัน ขอยกตัวอย่างต้นไม้การตัดสินใจในปัญหาทั่วๆ ไป มาให้ดูกันซักหนึ่งตัวอย่างก่อนนะคะ ตัวอย่าง Decision Tree จากรูปด้านบนเป็นตัวอย่าง Decision Tree ง่ายๆ ที่ใช้ในการพิจารณา อนุมัติเงินกู้ (Loan) หรือ ไม่อนุมัติ (No Loan) การสร้างต้นไม้ด้านบน ก็จะเริ่มมาจากการวิเคราะห์ข้อมูลการอนุมัติเงินกู้ในอดีตในรูปของตาราง และทำการคำนวณหาจุดตัดข้อมูลที่ดีที่สุด เพื่อนำมาใช้ในการสร้างเงื่อนไข หรือ โหนด (nodes) เพื่อใช้ในการสร้าง Tree การเลือกโหนดก็จะมีการคำนวณค่าทางคณิตศาสตร์โหนดไหน ถ้าทำการเลือกแล้วจะทำหน้าที่ในการแบ่งข้อมูลได้ดีที่สุด ค่าที่ใช้ในการคำนวณ มีหลายแบบ ตัวอย่างเช่น … Continue reading Decision Tree in Stock market

Basic Trading through Machine Learning

ในบทความนี้ เราจะมาหาคำตอบกันว่า  ระบบเทรดที่ใช้ Machine Learning มีหน้าตาเป็นยังไง? และ มันเอาไปใช้อะไรได้บ้างในการเทรดของเรา? คำตอบคือ มันทำได้หลายอย่างมากครับ ไม่ว่าจะเป็นการ อย่างเช่น  ช่วยสกรีนหาหุ้น,  ช่วยทำนายหุ้น,  ช่วยจัดการพอร์ต หรือ ถ้าพูดให้ฟังยาก ๆ (ไม่ใช่ง่ายๆนะ555) คือ ในฟีลนี้ อะไรก็ตามที่สามารถแปลงเป็นฟังก์ชั่นการเรียนรู้ในทางคณิตศาสตร์ได้ เราก็เอามาทำ ML ได้หมดครับ แต่ในโพสนี้ ผมขอพูดถึงเฉพาะในแง่ของ “การ ML ในการทำนายราคาครับ”  ซึ่งเป็นส่วนหนึ่งในโปรเจ็คที่พวกเรากำลังทำวิจัยพัฒนากันอยู่ครับ ขั้นแรก  << ทำความเข้าใจโมเดล >> เราต้องเข้าใจว่า ML คือ การสร้างโมเดลบนดาต้าเพื่ออธิบายดาต้านั้นๆให้ได้ดีที่สุด ถ้าเปรียบเป็นหุ้นก็คือเราพยายามสร้างโมเดลตัวหนึ่งเพื่ออธิบายโครงสร้างของหุ้นตัวนั้นๆ ด้วยข้อมูล … Continue reading Basic Trading through Machine Learning

Training size optimisation

  การที่ Machine Learning จะทำงานได้เป็นอย่างดีนั้น มีพารามิเตอร์เข้ามาเกี่ยวข้องมากมาย ดังนั้น การใช้โมเดล ML ให้ได้ดี จึงไม่ใช่เพียง การมีโมเดลสำเร็จรูป โยนข้อมูลเข้าไป รอรับผลการทำนาย แล้วจบกัน การจะเลือกใช้โมเดล อย่างน้อยๆ ก็ควรจะรู้ การทำงานของมัน จะได้มีความรู้ความเข้าใจว่า เราจะสอนโมเดลนี้ให้ทำได้อย่างมีประสิทธิภาพได้อย่างไร เราต้องไม่ลืมว่า รูปแบบการสอนโมเดลที่ต่างกัน ผลลัพธ์ที่ได้อาจจะต่างกันได้อย่างไม่น่าเชื่อเช่นกัน ขอยกตัวอย่าง ปัญหาแรกที่ ML จะต้องเจอก็คือ Training size ยกตัวอย่างก็คงเหมือน Technical indicator หลายๆ ตัว ที่จะต้องคิดว่า จะมองย้อนกลับไปเป็นเวลานานแค่ไหนดี จึงจะได้ผลลัพธ์ที่ดีพอที่เราจะกำหนดช่วงของมันเพื่อทดลองต่อไปได้ เช่น RSI … Continue reading Training size optimisation