根本の欲求を満たすために、
①AI関連の技術を勉強し実装する（コードの綺麗さ度外視）
②株に当てはめて考えてみる
の流れで、いろんな技術を触ってみようと思います。
ミソは①。とにかくスピード重視、ソースコード汚いの大歓迎で新しいものを触りまくります。
今回は、その第一弾。AutoEncoderを触ってみました。
画像認識のお手伝いの時に教えてもらっていろいろ触っていたのですが、株にも応用してみます。

2.概要

仮説

株価がN％以上UPする前の値動き、N％以上DOWNする前の値動きって何か特徴あるんじゃない？

検証

AutoEncoderを使って、値動きデータを2次元に（むりやり）圧縮してプロット。
N％UPの集団とN%DOWNの点が離れている＝特徴あり！

作業フロー

①簡単な実装：唯、あずにゃん、りんごの画像を学習させ、特徴を２次元にプロットする ②本番実装：N％以上UPする前の値動きおよびN％以上DOWNする前の値動きを学習させ、特徴を２次元にプロットする

3.AutoEncoderとは

教師なし学習（教師データは入力層）
入力データを圧縮→正確に復元できるようニューラルネットワークが学習する
入力データを次元圧縮した値が特徴量になる
概念としては機械学習の主成分分析に似てます（たぶん）

4.今回のテスト

今日は、簡単な実装をしてみました。

入力層

f:id:kurupical:20170913224600p:plain:w400
画像９枚を入力データとします。
・内容：りんご３枚、唯３枚、あずにゃん３枚。（本当はもっと取るべきなのですがめんどくさかった）
入力層の次元数は3000000次元です。（画像はプログラム内で1000*1000pxに圧縮するため、縦横で1000000pxです。さらに1pxごとにRGBの値があるため、入力層は10000000×3=3000000次元になります。）