본문 바로가기

기계학습110

300에포크로 올려서 도전해본 수익모델 찾기 안녕하세요? 지난번 포스팅에서 약속드린 바와 같이, 일단 300에포크로 강화핛브의 횟수를 늘려본 다음에 한번 그 결과를 보고자 합니다. 다만 미리 말씀부터 드리자면, 지금은 딱히 이렇다 할만한 강화핛브으로 제대로 된 내용이 나오지는 않았습니다. 먼저 yellowoperation으로 가서, 위 스크린샷과 같이 전체 학습에 사용이 될 에포크의 숫자를 100에서 300으로 늘려 보도록 합니다. 첫번째 강화학습의 결과, 1시간 약 40분 정도 걸린 다음에 구글 코랩에서 강화학습이 완료가 된 것을 확인할 수 있었습니다. 일련의 과정을 거친 다음에, 총 5개의 강화학습이 완료가 된 것을 확인할 수 있었습니다. 다만 이 과정에서 모두 1시간 40분에서 2시간 가까이 걸린 것을 생각해 보면 참 많은 시간이 걸리기는 걸.. 2019. 3. 2.
새로운 agent.py를 가지고서 하는 수익모델 찾기 안녕하세요? 지난번 포스팅에서 프로그램의 묻지마 매수를 막고서, 매수결정을 인공지능에서 내릴 때 움직이도록 만드는 데는 성공했습니다. 이제는 이렇게 나오는 프로그램을 가지고서 어떻게 수익모델을 만들 수 있는지 없는지를 한번 살펴 보고자 합니다. 지난번에 1번의 강화학습으로 모델이 나왔기 때문에 4개의 모델을 더 만들고 나서 백테스트를 하고자 합니다. 두번째 강화학습이 끝나서 나서, 여기서도 제가 의도한 대로 움직여 준다는 것을 확인할 수 있었습니다. 그리고 나서 다음 강화학습의 모델도 제 의도대로 움직여 준다는 것을 확인할 수 있었습니다. 세번째 강화학습의 과정에서는 위 스크린샷에서 보이는 것처럼 묻지마 매수를 하지는 않았는데, 모두 매도 결정만 해서 잘 모르는 형태로 나왔는 것을 볼 수 있었습니다. 다.. 2019. 3. 2.
인공지능의 묻지마 매수를 막기위한 작업-2- 안녕하세요? 일단 지난번 포스팅에서 어떻게 해서 묻지마 매수를 막기는 막았습니다만, 문제는 프로그램이 명령을 내린 매수 명령도 전혀 반영이 되지 않는 문제점이 노출이 되었습니다. 그래서 새로 생긴 문제점을 해결해 보고자 하는 가지가지 시도를 이번 포스팅에서 다루고자 합니다. 먼저 위 스크린샷처럼 agent.py로 가서, action항목을 float()으로 바꾸어 주도록 합니다. 왜냐하면 지금까지 혹시 문자열로 모두 처리가 되어서 적용이 되지 않은 것이 아닌가 하는 생각이 들었기 때문입니다. 일단 agent.py를 구글 드라이브에 업로드 한 다음에, 위 스크린샷처럼 구글 코랩에서 강화학습을 시키자, 12분만에 강화학습이 마무리 된 것을 확인할 수 있었습니다. 그런데 이렇게 하고도 여전히 프로그램이 매수 명.. 2019. 3. 1.
인공지능의 묻지마 매수를 막기위한 작업-1- 안녕하세요? 지난번 포스팅에서 주식 인공지능이 첫 결정을 하기도 전에 무조건 매수부터 해서 문제가 있다는 이야기를 했습니다. 그래서 이런 작업이 문제는 상승장에서 이루어 지고 나서 정착 첫번째 판단은 하락장에서 이루어 지는 경우가 발생을 했습니다. 이래서는 문제가 있다고 생각을 해서, 한번 묻지마 매수라고 부르는 이런 모델이 결정을 내리기 이전에 매수를 하는 것을 막고자 하는 작업에 들어가 보려고 합니다. 먼저 기존의 코드에서 자동으로 폴더를 생성하는 명령어가 없는 것을 확인할 수 있었습니다. 이래서는 곤란하다고 생각해서 일단 코드를 추가해 주도록 합니다. 다음으로는 yellowoperation에 가서, agent.py를 위 스크린샷과 같이 수정을 해 주도록 합니다. 우선 제가 움직이고자 하는 조건은 먼.. 2019. 3. 1.