基于贝叶斯网络从多个深度学习器中选择数据自适应学习器
机器学习
2020-08-19 v1 人工智能
机器学习
摘要
提出一种利用多个深度学习器与贝叶斯网络预测时间序列的方法。在本研究中，输入解释变量为与学习器相关联的贝叶斯网络节点。训练数据使用 K-means 聚类进行划分，并依据聚类训练多个深度学习器。贝叶斯网络用于确定由哪个深度学习器负责预测时间序列。我们确定一阈值并选取后验概率等于或大于该阈值的学件，从而有助于更鲁棒的预测。所提方法应用于金融时间序列数据，并展示了针对日经 225 指数的预测结果。
引用
@article{arxiv.2008.07709,
title = {Selecting Data Adaptive Learner from Multiple Deep Learners using Bayesian Networks},
author = {Shusuke Kobayashi and Susumu Shirayama},
journal= {arXiv preprint arXiv:2008.07709},
year = {2020}
}
备注
14 pages, 12 tables and 4 figures, Submitted to Neural Computing and Applications