Bitcoin machine learning, Indicatori e strategie

Machine learning per prevedere i prezzi delle criptovalute Sagar ha aperto la sua dimostrazione osservando che, nonostante il machine learning abbia ottenuto un certo successo nel prevedere i prezzi delle azioni, la sua applicazione nel campo delle criptovalute è stata piuttosto limitata.

A sostegno di questa affermazione, ha dichiarato che i prezzi delle criptovalute fluttuano in base a sviluppi tecnologici particolarmente frenetici, nonché ai fattori economici e politici. Il metodo proposto in quattro fasi da Sagar prevede: 1 la raccolta di dati sulle criptovalute in tempo reale; 2 preparazione dei dati per il training della rete neurale; 3 testare la previsione usando la rete neurale LSTM; 4 visualizzare i risultati della previsione.

Come ha sottolineato lo sviluppatore software Aditi Mittal, Bitcoin machine learning è l'acronimo di "Long Short-Term Memory", un tipo di rete neurale progettata per classificare, elaborare e prevedere serie temporali con ritardi di durata sconosciuta. Per addestrare la sua rete, Sagar ha utilizzato un set di dati di CryptoCompare, sfruttando valori come prezzo, volume, massimi e minimi.

L'intero progetto è disponibile su GitHub, incluse le funzioni utilizzate per normalizzare i valori dei dati in preparazione al machine learning. Prima di tracciare e visualizzare i risultati delle previsioni della rete, Sagar spiega di aver utilizzato l'errore assoluto medio come metrica di valutazione, che misura l'entità media degli errori in una serie di previsioni, senza considerare la loro direzione.

Visualizzazione delle previsioni in tempo reale di Sagar.

Fonte: towardsdatascience. Come riportato qualche settimana fa, la NASA è alla ricerca di un data scientist, preferibilmente esperto in criptovalute e blockchain. L'agenzia richiede inoltre competenze in uno o più campi come machine learning, big data, Internet of Things, analisi, statistiche e bitcoin machine learning computing.