นักวิทยาศาสตร์ข้อมูลจาก Vellore Institute of Technology สถาบันที่มีชื่อเสียงของอินเดีย ได้สรุปวิธีการคาดการณ์ราคาคริปโตแบบเรียลไทม์ โดยใช้เครือข่ายประสาทเทียม (neural network) รูปแบบหนึ่งที่เรียกว่า Long Short-Term Memory (LSTM)
ในบล็อกโพสต์เผยแพร่เมื่อวันที่ 2 ธันวาคม Abinhav Sagar นักวิจัย แสดงขั้นตอนวิธี 4 ขั้นตอน โดยใช้เทคโนโลยีการเรียนรู้ของเครื่อง (machine learning technology) ทำนายราคา Bitcoin เขาอ้างว่า “ค่อนข้างแน่นอนกว่า” เมื่อเทียบกับตลาดแบบดั้งเดิม
Machine learning สำหรับราคาคริปโต ‘มีข้อจำกัด’
Sagar เกริ่นนำว่าการเรียนรู้ของ machine learning ประสบความสำเร็จในการทำนายราคาตลาดหุ้นมาก แต่การประยุกต์ใช้กับคริปโตเคอร์เรนซีนั้นมีข้อจำกัด เหตุผลสนับสนุนเรื่องนี้ เขากล่าวว่าเหตุมาจากราคาคริปโตเคอร์เรนซีมีความผันผวนจากการพัฒนาอย่างรวดเร็ว รวมไปถึงปัจจัยทางเศรษฐกิจ ความมั่นคง และการเมือง อีกด้วย
Saga นำเสนอ 4 ขั้นตอนวิธีที่เกี่ยวข้อง ได้แก่ 1) รวบรวมข้อมูลคริปโตเคอร์เรนซีแบบเรียลไทม์ 2) เตรียมข้อมูลสำหรับการเทรนเครือข่ายประสาทเทียม (neural network training) 3) ทดสอบการทำนายโดยใช้เครือข่ายประสาทเทียมแบบ LSTM 4) แสดงผลการทำนาย
ในฐานะนักพัฒนาซอฟต์แวร์ Aditi Mittal สรุปเอาไว้ว่า LSTM ย่อมาจาก “Long Short-Term Memory” เป็นเครือข่ายประสาทเทียม (neural network) ที่ออกแบบเพื่อจำแนก ประมวลผล และทำนายอนุกรมเวลาตามช่วงเวลาที่กำหนด (unknown duration)
การเทรนเครือข่าย (หรือการให้เครือข่ายเรียนรู้) Sagar ใช้ชุดข้อมูล (dataset) จาก CryptoCompare โดยใช้ฟีเจอร์ต่าง ๆ อาทิ ราคา ปริมาณซื้อขาย (volume) ราคาเปิด (open) และค่าสูงสุด ต่ำสุด เป็นต้น
เขาจัดทำลิงค์โค้ดรหัส (code) ของโครงการที่เสร็จสิ้นสมบูรณ์ไว้บน GitHub และสรุปฟังก์ชั่นต่าง ๆ ที่เขาใช้เอาไว้ โดยทำให้ค่าข้อมูลเป็นมาตรฐาน (normalize data values) ก่อนเตรียมการเรียนรู้ของ machine learning
ก่อนพล็อตกราฟและแสดงผลข้อมูลกราฟของเครือข่ายที่ทำนายได้ Sagar เน้นย้ำ เขาใช้ Mean Absolute Error เป็นตัวชี้วัดประเมิน การประเมินขนาดเฉลี่ยของข้อผิดพลาดในชุดทำนายจะไม่พิจาณาทิศทางแต่อย่างใด
ที่มา : cointelegraph.com
——————————————————–
สนับสนุนโดยกลุ่ม Coin Thai Talk : https://www.fb.com/groups/CoinThaiTalk/ กลุ่มใหม่ของคนรักคริปโต
