大家經常會遇到一些需要預測的場景，比如預測品牌銷售額，預測產品銷量。
今天給大家分享一波使用 LSTM 進行端到端時間序列預測的完整代碼和詳細解釋。時間序列分析：時間序列表示基於時間順序的一系列數據。它可以是秒、分鐘、小時、天、周、月、年。未來的數據將取決於它以前的值。在現實世界的案例中，我們主要有兩種類型的時間序列分析：正如我們所見，只有一列，因此即將到來的未來值將僅取決於它之前的值。但是在多元時間序列數據的情況下，將有不同類型的特徵值並且目標數據將依賴於這些特徵。正如在圖片中看到的，在多元變量中將有多個列來對目標值進行預測。（上圖中「count」為目標值）在上面的數據中，count不僅取決於它以前的值，還取決於其他特徵。因此，要預測即將到來的count值，我們必須考慮包括目標列在內的所有列來對目標值進行預測。在執行多元時間序列分析時必須記住一件事，我們需要使用多個特徵預測當前的目標，讓我們通過一個例子來理解：在訓練時，如果我們使用 5 列 [feature1, feature2, feature3, feature4, target] 來訓練模型，我們需要為即將到來的預測日提供 4 列 [feature1, feature2, feature3, feature4]。本文中不打算詳細討論LSTM。所以只提供一些簡單的描述，如果你對LSTM沒有太多的了解，可以參考我們以前發布的文章。LSTM基本上是一個循環神經網絡，能夠處理長期依賴關係。假設你在看一部電影。所以當電影中發生任何情況時，你都已經知道之前發生了什麼，並且可以理解因為過去發生的事情所以才會有新的情況發生。RNN也是以同樣的方式工作，它們記住過去的信息並使用它來處理當前的輸入。RNN的問題是，由於漸變消失，它們不能記住長期依賴關係。因此為了避免長期依賴問題設計了lstm。現在我們討論了時間序列預測和LSTM理論部分。讓我們開始編碼。importnumpyasnpimportpandasaspdfrommatplotlibimportpyplotaspltfromtensorflow.keras.modelsimportSequentialfromtensorflow.keras.layersimportLSTMfromtensorflow.keras.layersimportDense,Dropoutfromsklearn.preprocessingimportMinMaxScalerfromkeras.wrappers.scikit_learnimportKerasRegressorfromsklearn.model_selectionimportGridSearchCVdf=pd.read_csv("train.csv",parse_dates=["Date"],index_col=[0])df.head()現在讓我們花點時間看看數據：csv文件中包含了谷歌從2001-01-25到2021-09-29的股票數據，數據是按照天數頻率的。[如果您願意，您可以將頻率轉換為「B」[工作日]或「D」，因為我們不會使用日期，我只是保持它的現狀。]這裡我們試圖預測「Open」列的未來值，因此「Open」是這裡的目標列。現在讓我們進行訓練測試拆分。這裡我們不能打亂數據，因為在時間序列中必須是順序的。test_split=round(len(df)*0.20)df_for_training=df[:-1041]df_for_testing=df[-1041:]print(df_for_training.shape)print(df_for_testing.shape)(4162,5)(1041,5)可以注意到數據範圍非常大，並且它們沒有在相同的範圍內縮放，因此為了避免預測錯誤，讓我們先使用MinMaxScaler縮放數據。(也可以使用StandardScaler)scaler=MinMaxScaler(feature_range=(0,1))df_for_training_scaled=scaler.fit_transform(df_for_training)df_for_testing_scaled=scaler.transform(df_for_testing)df_for_training_scaled將數據拆分為X和Y，這是最重要的部分，正確閱讀每一個步驟。defcreateXY(dataset,n_past):dataX=[]dataY=[]foriinrange(n_past,len(dataset)):dataX.append(dataset[i-n_past:i,0:dataset.shape[1]])dataY.append(dataset[i,0])returnnp.array(dataX),np.array(dataY)trainX,trainY=createXY(df_for_training_scaled,30)testX,testY=createXY(df_for_testing_scaled,30)N_past是我們在預測下一個目標值時將在過去查看的步驟數。這裡使用30，意味着將使用過去的30個值(包括目標列在內的所有特性)來預測第31個目標值。因此，在trainX中我們會有所有的特徵值，而在trainY中我們只有目標值。對於訓練，dataset = df_for_training_scaled, n_past=30data_X.addend(df_for_training_scaled[i-n_past:i,0:df_for_training.shape[1]])從n_past開始的範圍是30，所以第一次數據範圍將是-[30 - 30,30,0:5] 相當於 [0:30,0:5]因此在dataX列表中，df_for_training_scaled[0:30,0:5]數組將第一次出現。現在, dataY.append(df_for_training_scaled[i,0])i = 30，所以它將只取第30行開始的open(因為在預測中，我們只需要open列，所以列範圍僅為0，表示open列)。第一次在dataY列表中存儲df_for_training_scaled[30,0]值。所以包含5列的前30行存儲在dataX中，只有open列的第31行存儲在dataY中。然後我們將dataX和dataY列錶轉換為數組，它們以數組格式在LSTM中進行訓練。print("trainXShape--",trainX.shape)print("trainYShape--",trainY.shape)(4132,30,5)(4132,)print("testXShape--",testX.shape)print("testYShape--",testY.shape)(1011,30,5)(1011,)4132 是 trainX 中可用的數組總數，每個數組共有 30 行和 5 列， 在每個數組的 trainY 中，我們都有下一個目標值來訓練模型。讓我們看一下包含來自 trainX 的 (30,5) 數據的數組之一 和 trainX 數組的 trainY 值：print("trainX[0]--\n",trainX[0])print("trainY[0]--",trainY[0])如果查看 trainX[1] 值，會發現到它與 trainX[0] 中的數據相同（第一列除外），因為我們將看到前 30 個來預測第 31 列，在第一次預測之後它會自動移動 到第 2 列並取下一個 30 值來預測下一個目標值。trainX——→trainY[0:30,0:5]→[30,0][1:31,0:5]→[31,0][2:32,0:5]→[32,0]像這樣，每個數據都將保存在 trainX 和 trainY 中。現在讓我們訓練模型，我使用 girdsearchCV 進行一些超參數調整以找到基礎模型。defbuild_model(optimizer):grid_model=Sequential()grid_model.add(LSTM(50,return_sequences=True,input_shape=(30,5)))grid_model.add(LSTM(50))grid_model.add(Dropout(0.2))grid_model.add(Dense(1))grid_model.compile(loss='mse',optimizer=optimizer)returngrid_modelgrid_model=KerasRegressor(build_fn=build_model,verbose=1,validation_data=(testX,testY))parameters={'batch_size':[16,20],'epochs':[8,10],'optimizer':['adam','Adadelta']}grid_search=GridSearchCV(estimator=grid_model,param_grid=parameters,cv=2)如果你想為你的模型做更多的超參數調整，也可以添加更多的層。但是如果數據集非常大建議增加 LSTM 模型中的時期和單位。在第一個 LSTM 層中看到輸入形狀為 (30,5)。它來自 trainX 形狀。(trainX.shape[1],trainX.shape[2])→(30,5)現在讓我們將模型擬合到 trainX 和 trainY 數據中。grid_search=grid_search.fit(trainX,trainY)由於進行了超參數搜索，所以這將需要一些時間來運行。grid_search.best_params_{『batch_size』:20,『epochs』:10,『optimizer』:『adam』}my_model=grid_search.best_estimator_.modelprediction=my_model.predict(testX)print("prediction\n",prediction)print("\nPredictionShape-",prediction.shape)testY 和 prediction 的長度是一樣的。現在可以將 testY 與預測進行比較。但是我們一開始就對數據進行了縮放，所以首先我們必須做一些逆縮放過程。scaler.inverse_transform(prediction)報錯了，這是因為在縮放數據時，我們每行有 5 列，現在我們只有 1 列是目標列。所以我們必須改變形狀來使用 inverse_transform：prediction_copies_array=np.repeat(prediction,5,axis=-1)5 列值是相似的，它只是將單個預測列複製了 4 次。所以現在我們有 5 列相同的值 。prediction_copies_array.shape(1011,5)這樣就可以使用 inverse_transform 函數。pred=scaler.inverse_transform(np.reshape(prediction_copies_array,(len(prediction),5)))[:,0]但是逆變換後的第一列是我們需要的，所以我們在最後使用了 → [:,0]。現在將這個 pred 值與 testY 進行比較，但是 testY 也是按比例縮放的，也需要使用與上述相同的代碼進行逆變換。original_copies_array=np.repeat(testY,5,axis=-1)original=scaler.inverse_transform(np.reshape(original_copies_array,(len(testY),5)))[:,0]print("PredValues--",pred)print("\nOriginalValues--",original)最後繪製一個圖來對比我們的 pred 和原始數據。plt.plot(original,color='red',label='RealStockPrice')plt.plot(pred,color='blue',label='PredictedStockPrice')plt.title('StockPricePrediction')plt.xlabel('Time')plt.ylabel('GoogleStockPrice')plt.legend()plt.show()看樣子還不錯，到目前為止，我們訓練了模型並用測試值檢查了該模型。現在讓我們預測一些未來值。從主 df 數據集中獲取我們在開始時加載的最後 30 個值[為什麼是 30？因為這是我們想要的過去值的數量，來預測第 31 個值]df_30_days_past=df.iloc[-30:,:]df_30_days_past.tail()可以看到有包括目標列（「Open」）在內的所有列。現在讓我們預測未來的 30 個值。在多元時間序列預測中，需要通過使用不同的特徵來預測單列，所以在進行預測時我們需要使用特徵值（目標列除外）來進行即將到來的預測。這裡我們需要「High」、「Low」、「Close」、「Adj Close」列的即將到來的 30 個值來對「Open」列進行預測。df_30_days_future=pd.read_csv("test.csv",parse_dates=["Date"],index_col=[0])df_30_days_future剔除「Open」列後，使用模型進行預測之前還需要做以下的操作：縮放數據，因為刪除了『Open』列，在縮放它之前，添加一個所有值都為「0」的Open列。縮放後，將未來數據中的「Open」列值替換為「nan」現在附加 30 天舊值和 30 天新值（其中最後 30 個「打開」值是 nan）df_30_days_future["Open"]=0df_30_days_future=df_30_days_future[["Open","High","Low","Close","AdjClose"]]old_scaled_array=scaler.transform(df_30_days_past)new_scaled_array=scaler.transform(df_30_days_future)new_scaled_df=pd.DataFrame(new_scaled_array)new_scaled_df.iloc[:,0]=np.nanfull_df=pd.concat([pd.DataFrame(old_scaled_array),new_scaled_df]).reset_index().drop(["index"],axis=1)full_df 形狀是 (60,5)，最後第一列有 30 個 nan 值。要進行預測必須再次使用 for 循環，我們在拆分 trainX 和 trainY 中的數據時所做的。但是這次我們只有 X，沒有 Y 值。full_df_scaled_array=full_df.valuesall_data=[]time_step=30foriinrange(time_step,len(full_df_scaled_array)):data_x=[]data_x.append(full_df_scaled_array[i-time_step:i,0:full_df_scaled_array.shape[1]])data_x=np.array(data_x)prediction=my_model.predict(data_x)all_data.append(prediction)full_df.iloc[i,0]=prediction對於第一個預測，有之前的 30 個值，當 for 循環第一次運行時它會檢查前 30 個值並預測第 31 個「Open」數據。當第二個 for 循環將嘗試運行時，它將跳過第一行並嘗試獲取下 30 個值 [1:31] 。這裡會報錯錯誤因為Open列最後一行是 「nan」，所以需要每次都用預測替換「nan」。new_array=np.array(all_data)new_array=new_array.reshape(-1,1)prediction_copies_array=np.repeat(new_array,5,axis=-1)y_pred_future_30_days=scaler.inverse_transform(np.reshape(prediction_copies_array,(len(new_array),5)))[:,0]print(y_pred_future_30_days)https://github.com/sksujan58/Multivariate-time-series-forecasting-using-LSTM
留言列表
留言列表