به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت
جستجوی مقالات مرتبط با کلیدواژه

machine learning algorithms

در نشریات گروه اقتصاد
تکرار جستجوی کلیدواژه machine learning algorithms در نشریات گروه علوم انسانی
تکرار جستجوی کلیدواژه machine learning algorithms در مقالات مجلات علمی
  • علی قربانی، یوسف ربانی*، رضا کامران راد، پیمان فلسفی
    تحقیقات زیادی در مورد پیشبینی تغییرات قیمتی رمز ارزها انجام شده است که پژوهشگران از الگوریتم های یادگیری ماشین در این زمینه استفاده نمودند. هدف این مقاله ارایه رویکردی برای پیش بینی تغییرات قیمتی بیتکوین با استفاده از الگوریتم های یادگیری ماشین همراه با استفاده از داده های تحلیل احساسات مردم نسبت به افراد مشهور مانند ایلان ماسک در شبکه های اجتماعی توییتر، ردیت و تلگرام است. داده های جمع آوری شده برای این تحقیق نیز از سال 2021 و 2022 می باشد. وجه تمایز این تحقیق در استفاده از شاخص های تکنیکال، اقتصادی و تحلیل احساسات به صورت همزمان برای پیش بینی روند قیمت است. از روش حذف ویژگی بازگشتی برای انتخاب ویژگی استفاده گردیده و در مرحله بعد، با آزمایش 8 الگوریتم طبقه بندی، نتایج مقایسه شده اند. در این تحقیق الگوریتم xgboost  با رکورد دقت بدست آمده 88 درصدی در پیش بینی روند تغییرات قیمت بیتکوین عملکرد عالی را نشان داد.
    کلید واژگان: بیتکوین، ارز دیجیتال، تحلیل احساسات، الگوریتم های یادگیری ماشین
    Ali Qorbani, Yousef Rabbani *, Reza Kamran Rad, Peyman Falsafi
    Most of the research has been done on predicting the price changes of cryptocurrencies, and the researchers used machine learning algorithms in this field. The purpose of this article is to present an approach to predicting Bitcoin price changes using machine learning algorithms along with data from people's sentiment analysis towards famous people such as Elon Musk on Twitter, Reddit, and Telegram social networks. The data collected for this research is from 2021 and 2022. The distinguishing feature of this research is the use of technical, economic indicators and sentiment analysis simultaneously to predict the price trend. The recursive feature removal method was used to select the feature and in the next step, the results were compared by testing 8 classification algorithms. In this research, the xgboost algorithm showed excellent performance with a record accuracy of 88% in predicting the trend of Bitcoin price changes.
    Keywords: Bitcoin, cryptocurrency, Sentiment Analysis, machine learning algorithms
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال