【第4弾】LSTMで時系列分析に挑戦【昨日の自分よりも一歩でも前に】

LSTMで時系列データ分析に挑戦中。

 昨日の自分よりも、一歩半歩でも前にいきたい。

そんな思いから今日も手を動かしてみることにした。

時系列データは、「1949年1月から1960年12月 の国際線での乗客数」である。

■ ウィンドウサイズの変更

　ウィンドウサイズを大きくするということは、過去の情報をたくさん利用するので、

　精度が向上するのではないかと考えていたが、

　そのような効果が見られなかったので、3から2に戻してみることにする。

　どちらかと言えば、ウィンドウサイズが2の方が予測値と実測値が近い気がする。

　言い換えると、予測値は実測値との当てはまりが良さそうな感じがする。

 

　　　　　　　　　　(a)ウィンドウサイズが３

　　　　　　　　　　(b)ウィンドウサイズが２

■推論処理の読解

　推論処理がpredict関数以外にも利用していたので、

　難しそうな印象を持っていたが思ったよりも簡単であった。

    for j in range(len(X_train)):

        _x = X_train[i].reshape(1,-1,1)　

　　　　　#-> (2,1)をウィンドウサイズ(1,2,1)に変換 

        prediction[i+1] = model.predict(_x)[0]

　　　　　#-> predict関数によって予測

 　※学習データのみの部分を抜粋

 numpy.vstack – 配列を垂直に連結 | HEADBOOST

　　※青線が正解、オレンジ線が予測値、緑線が正解と予測値の差分

　　※赤い点線の左側は学習データ、右側は検証データに対する処理

今回は、「1949年1月から1960年12月の国際線での乗客数」

であったが、別のデータにして理解を深めていきたい。

まったく別のデータを使ってある程度の精度を出すことを

次の目標にしたい。