Sơ đồ quá trình xử lý dữ liệu bằng ANN

Một phần của tài liệu (LUẬN VĂN THẠC SĨ) Dự báo xu hướng chứng khoán tại Việt Nam bằng phương pháp học máy 04 (Trang 32 - 33)

Inputs (các đầu vào): Mỗi Input tƣơng ứng với 1 thuộc tính (attribute) của dữ liệu (patterns). Ví dụ nhƣ trong ứng dụng của ngân hàng xem xét có chấp nhận cho khách hàng vay tiền hay không thì mỗi Input là một thuộc tính của khách hàng nhƣ thu nhập, nghề nghiệp, tuổi, số con,…

Output (đầu ra – kết quả): Kết quả của một ANN là một giải pháp cho một vấn đề, ví dụ nhƣ với bài toán xem xét chấp nhận cho khách hàng vay tiền hay không thì output là yes (cho vay) hoặc no (không cho vay).

Connection Weights (Trọng số liên kết): Đây là thành phần rất quan trọng của một ANN, nó thể hiện mức độ quan trọng (độ mạnh) của dữ liệu đầu vào đối với quá trình xử lý thông tin (quá trình chuyển đổi dữ liệu từ Layer này sang layer khác). Quá trình học (Learning Processing) của ANN thực ra là quá trình điều chỉnh các trọng số (Weight) của các input data để có đƣợc kết quả mong muốn.

Summation Function (Hàm tổng): Tính tổng trọng số của tất cả các input đƣợc đƣa vào mỗi Neuron (phần tử xử lý PE).

Hình (a): Hàm tổng của một nơ ron đối với n input đƣợc tính theo công thức

Hình (b): Hàm tổng đối với nhiều nơ ron trong cùng một Layer đƣợc tính theo công thức

Transfer Function (Hàm chuyển đổi): Hàm tổng (Summation Function) của một nơ ron cho biết khả năng kích hoạt (Activation) của nơ ron đó còn gọi là kích hoạt bên trong (internal activation). Các nơ ron này có thể cho ra kết quả hoặc không hay nói cách khác có thể kết quả của một nơ ron này đƣợc chuyển đến layer tiếp trong mạng nơ ron hoặc không.

2.2.2. Mô hình cây quyết định (Decision Tree Algorithm):

Cây quyết định là một trong những hình thức mô tả trực quan và dễ hiểu nhất với ngƣời dùng. Nó thực hiện đƣợc cả hai nhiệm vụ của khai phá dữ liệu là Mô tả (Descriptive) và dự báo (Predictive). Nghĩa là một ánh xạ từ các quan sát về một sự vật / hiện tƣợng tới các kết luận về giá trị mục tiêu của sự vật / hiện tƣợng. Mỗi một nút trong (internal node) tƣơng ứng với một biến, đƣờng nối giữa nó với nút con của nó thể hiện một giá trị cụ thể cho biến đó. Mỗi nút lá đại diện cho giá trị dự đoán của biến mục tiêu, cho trƣớc các giá trị của các biến đƣợc biểu diễn bởi đƣờng đi từ nút gốc tới nút lá đó [4].

Một phần của tài liệu (LUẬN VĂN THẠC SĨ) Dự báo xu hướng chứng khoán tại Việt Nam bằng phương pháp học máy 04 (Trang 32 - 33)

Tải bản đầy đủ (PDF)

(52 trang)