Kết quả t l chính xác của m hình mạng Neural truyền thống và mạng neural cải tiến 1 lần lượt là 50% và 50%. Tuy vậy nhưng kết quả đự đốn của mạng Neural cải tiến 1 cũng thể hi n chính xác về mặt xu hướng và giá trị so với giá trị thực tế.
3.3.4. ải ti n 2: Mạn neura cĩ t êm các c ỉ báo v sử d n p ƣơn pháp ensemble.
Trong phần này, tơi thực hi n cải tiến lần 2 b ng cách sử dụng phương pháp ensemble để gia tăng độ chính xác cho mơ hình mạng neural ở cải tiến 1 với bộ dữ li u chứng khốn cĩ b sung một số chỉ báo kỹ thuật. Dựa trên kỹ thuật bagging, tơi thực hi n cả hai hướng tiếp cận phân lớp và hồi quy trên bộ dữ li u c phiếu MSFT đã định nghĩa ở mục 3.1.2.3.2.b, gọi tắt là tập D.
3.3.4.1. Ph
Từ tập huấn luy n ban đầu D, lấy ngẫu nhiên 10 tập con Di cĩ số lượng phần tử khác nhau, các phần tử trong tập mẫu Di này cĩ thể trùng nhau. ới mỗi tập Di ta huấn luy n được một mạng neural Mi.
Đưa tập dữ li u mới vào lần lượt các m hình Mi đã được huấn luy n, bộ phân lớp bagging đếm số phiếu, thì sau khi bỏ phiếu dựa trên đa số, hi u suất của bộ phân lớp đạt 87.87%. N y i ự ốn T ực t N y ự ốn T ực t 4-Dec-14 -1 -1 16-Dec-14 1 1 5-Dec-14 -1 -1 17-Dec-14 1 1 8-Dec-14 1 -1 18-Dec-14 1 1 9-Dec-14 -1 -1 19-Dec-14 -1 1 10-Dec-14 -1 -1 22-Dec-14 -1 -1 11-Dec-14 -1 -1 23-Dec-14 -1 -1 12-Dec-14 1 1 24-Dec-14 -1 -1 15-Dec-14 1 1 26-Dec-14 -1 -1