對(duì)炒幣者來說，最幸福的事莫過于在幣價(jià)最低點(diǎn)入場报亩，最高點(diǎn)拋出浴鸿，賺取最大利潤。但是幣價(jià)每天24小時(shí)都在發(fā)生著巨大的變化弦追，很少有人能夠準(zhǔn)確地把握走勢岳链。

如今機(jī)器學(xué)習(xí)發(fā)展迅速，其在很多領(lǐng)域的應(yīng)用令人嘆為觀止骗卜。2017年5月27日宠页，基于深度強(qiáng)化學(xué)習(xí)訓(xùn)練的圍棋智能AlphaGo擊敗柯潔，化身圍棋之神寇仓。

那么举户，我們有沒有可能利用機(jī)器學(xué)習(xí)，做一個(gè)AlphaCoin遍烦，精準(zhǔn)地預(yù)測幣價(jià)走勢呢俭嘁？

今天，御風(fēng)將和大家一起服猪，走進(jìn)機(jī)器學(xué)習(xí)供填，力爭通過現(xiàn)代技術(shù)武裝自己拐云，實(shí)現(xiàn)真正的科學(xué)炒幣。

下面首先近她，我們來介紹一下機(jī)器學(xué)習(xí)的歷史與本質(zhì)叉瘩。

機(jī)器學(xué)習(xí)至今已經(jīng)發(fā)展了半個(gè)多世紀(jì)，如圖所示為其發(fā)展歷程粘捎。

1943年薇缅，心理學(xué)家W?Mcculloch與數(shù)理邏輯學(xué)家W?Pitts在分析、總結(jié)神經(jīng)元基本特性的基礎(chǔ)上首先提出了神經(jīng)元的數(shù)學(xué)模型攒磨。

50年代末泳桦，F(xiàn)?Rosenblatt設(shè)計(jì)并制作了“感知機(jī)”，它是一種多層的神經(jīng)網(wǎng)絡(luò)娩缰。這項(xiàng)工作首次把人工神經(jīng)網(wǎng)絡(luò)的研究從理論探討付諸工程實(shí)踐灸撰。當(dāng)時(shí)，世界上許多實(shí)驗(yàn)室仿效制作感知機(jī)拼坎，分別應(yīng)用于文字識(shí)別浮毯、聲音識(shí)別、聲納信號(hào)識(shí)別以及學(xué)習(xí)記憶問題的研究泰鸡。

60年代末亲轨，k-NN、k-Means等算法被應(yīng)用于模式識(shí)別鸟顺。業(yè)界興起了一陣人工神經(jīng)網(wǎng)絡(luò)的研究高潮。

然而器虾，這次人工神經(jīng)網(wǎng)絡(luò)的研究高潮并未能持續(xù)很久讯嫂，許多人陸續(xù)放棄了這方面的研究工作，這是因?yàn)楫?dāng)時(shí)的電子技術(shù)工藝水平比較落后兆沙，主要的元件是電子管或晶體管欧芽，利用它們制作的神經(jīng)網(wǎng)絡(luò)體積龐大、價(jià)格昂貴葛圃，要制作在規(guī)模上與真實(shí)的神經(jīng)網(wǎng)絡(luò)相似是完全不可能的千扔。神經(jīng)網(wǎng)絡(luò)的研究沉寂了相當(dāng)長的時(shí)間。

80年代初期库正，模擬與數(shù)字混合的超大規(guī)模集成電路制作技術(shù)提高到新的水平曲楚，完全付諸實(shí)用化，人工神經(jīng)網(wǎng)絡(luò)尋求新出路的時(shí)機(jī)已經(jīng)成熟褥符。美國的物理學(xué)家Hopfield于1982年和1984年在美國科學(xué)院院刊上發(fā)表了兩篇關(guān)于人工神經(jīng)網(wǎng)絡(luò)研究的論文龙誊，引起了巨大的反響。人們重新認(rèn)識(shí)到神經(jīng)網(wǎng)絡(luò)的威力以及付諸應(yīng)用的現(xiàn)實(shí)性喷楣。隨即趟大，一大批學(xué)者和研究人員圍繞著 Hopfield提出的方法展開了進(jìn)一步的工作鹤树，形成了80年代中期以來人工神經(jīng)網(wǎng)絡(luò)的研究熱潮。

2006年逊朽，深度學(xué)習(xí)（Deep Learning熊咽，DL）的概念由Hinton等人提出署拟。它是機(jī)器學(xué)習(xí)中一種基于對(duì)數(shù)據(jù)進(jìn)行表征學(xué)習(xí)的方法。深度學(xué)習(xí)的優(yōu)勢是可以用無監(jiān)督的特征學(xué)習(xí)、分層特征提取粥鞋，來替代手工獲取特征。它被廣泛成功地應(yīng)用于計(jì)算機(jī)視覺瞭郑、語音識(shí)別胳徽、自然語言處理等領(lǐng)域。

隨后灭美，深度學(xué)習(xí)與Q-Learning相結(jié)合推溃，構(gòu)成深度強(qiáng)化學(xué)習(xí)（Deep Reinforcement Learning）。2016年3月届腐，深度強(qiáng)化學(xué)習(xí)所訓(xùn)練的圍棋智能應(yīng)用AlphaGo铁坎，以4:1大比分優(yōu)勢擊敗世界冠軍李世石。全世界興起了人工智能的大浪潮犁苏。

從本質(zhì)上來看硬萍，機(jī)器學(xué)習(xí)就是個(gè)尋找最優(yōu)函數(shù)的過程。例如围详，如下圖所示：

在語音信號(hào)識(shí)別中朴乖，函數(shù)輸入語音、輸出對(duì)應(yīng)文本助赞；在圖像識(shí)別中买羞，函數(shù)輸入圖像、輸出對(duì)應(yīng)文本雹食；在圍棋對(duì)弈中畜普，函數(shù)輸入當(dāng)前局面，輸出下一步走法群叶；在對(duì)話系統(tǒng)中吃挑，函數(shù)輸入提問，輸出對(duì)應(yīng)的回答街立。

而我們所要實(shí)現(xiàn)的“AlphaCoin”舶衬，自然是這樣的：

輸入某個(gè)幣的k線走勢，我們希望這個(gè)函數(shù)能告訴我們赎离，接下來到底它是漲约炎？還是跌？

目前，基于達(dá)到學(xué)習(xí)目的的方式的不同圾浅，可將機(jī)器學(xué)習(xí)算法分為三類：監(jiān)督學(xué)習(xí)掠手、無監(jiān)督學(xué)習(xí)、強(qiáng)化學(xué)習(xí)狸捕。而承載這些算法的載體喷鸽，是人工神經(jīng)網(wǎng)絡(luò)。

在下一節(jié)灸拍，我們將為大家介紹人工神經(jīng)網(wǎng)絡(luò)做祝。

早贊聲明：為方便早贊、避免亂贊鸡岗，“BH好文好報(bào)群”為點(diǎn)贊者混槐、寫作者牽線搭橋，實(shí)行“先審后贊轩性、定時(shí)發(fā)表”的規(guī)則声登，也讓作品脫穎而出、速登熱門揣苏！加群微信：we01230123（天平）悯嗓。