StockMarket_explainableAI 源码

StockMarket_explainableAI 贡献成员: 李秀贤 新原原 李九英 抽象的 深度学习架构现已得到公众认可,并被反复证明在各种高级预测任务中都具有强大的功能。 尽管这些算法的建模在进行适当的调整时通常无法提供令人满意的性能,但是这种特定学习的长期困扰在于模型学习和预测的无法解释。 机器的“学习方式”的这种可解释性通常比确保机器输出“正确的”预测更为重要。 特别是在金融领域,用户从业务的角度剖析算法如何以及为什么得出结论的能力对于以后的应用(即合并为业务决策等)是不可或缺的。图像识别在金融市场上的应用,并且通过解释Grad-CAM算法进一步解释了卷积神经网络输出的预测。 项目网站: : 关于python run.py test 该项目旨在所述市-CAM技术应用于培训了代表的特斯拉公司的股票波动性的记录图像的CNN模型(ticker = TSLA)的一小时内前市场