2
Keras의 단일 시퀀스에서 stateful LSTM prediction example을 이해합니다. 이 예제에는 50k 관측 시퀀스가 하나 있습니다.케라 및 다중 시퀀스를 사용한 시계열 예측
내 질문 :
- 당신이 5 만 명 관찰의 여러 시퀀스를 훈련 할 경우 어떻게? 다른 값으로 시작하거나 끝나고 약간 다른 동작을한다고 가정 해보십시오.
- 예를 수정하여 예측 시간 단계를 늘리는 방법은 무엇입니까?
- LSTM은 그런 종류의 서비스에도 유용합니까?
3 개의 평균 복귀 시간 시리즈 및 20 단계 벗어남을 예측하는 완전히 복제 가능한 예입니다.
# generate random data
import statsmodels.api as sm
import numpy as np
import pandas as pd
cfg_t_total = 25000
cfg_t_step = 20
cfg_batch_size = 100
np.random.seed(12345)
arparams = np.array([.75, -.25])
maparams = np.array([.65, .35])
ar = np.r_[1, -arparams] # add zero-lag and negate
ma = np.r_[1, maparams] # add zero-lag
y0 = sm.tsa.arma_generate_sample(ar, ma, cfg_t_total)
y1 = sm.tsa.arma_generate_sample(ar, ma, cfg_t_total)
y2 = sm.tsa.arma_generate_sample(ar, ma, cfg_t_total)
df=pd.DataFrame({'a':y0,'b':y1,'c':y2})
df.head(100).plot()
df.head(5)
# create training data format
X = df.unstack()
y = X.groupby(level=0).shift(-cfg_t_step)
idx_keep = ~(y.isnull())
X = X.ix[idx_keep]
y = y.ix[idx_keep]
from keras.models import Sequential
from keras.layers import Dense, LSTM
# LSTM taken from https://github.com/fchollet/keras/blob/master/examples/stateful_lstm.py
# how to do this...?!
print('Creating Model')
model = Sequential()
model.add(LSTM(50,
batch_input_shape=(cfg_batch_size, cfg_t_step, 1),
return_sequences=True,
stateful=True))
model.add(LSTM(50,
batch_input_shape=(cfg_batch_size, cfg_t_step, 1),
return_sequences=False,
stateful=True))
model.add(Dense(1))
model.compile(loss='mse', optimizer='rmsprop')
model.fit(X, y, batch_size=cfg_batch_size, verbose=2, validation_split=0.25, nb_epoch=1, shuffle=False)
감사합니다. 나는 너에 대해 잘 모르지만 내 질문에 대답하는 데 도움이되지 못했다. 코드가 없으며 여러 시퀀스를 처리하지 않습니다. – citynorman
그는 "Stateful Modeling Mastering"섹션에서 두 개 이상의 시퀀스에 대해 트레이닝하는 stateful LSTM의 장난감 예제를 구현하고 설명합니다. – bruThaler