質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

新規登録して質問してみよう
ただいま回答率
85.50%
Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

Q&A

0回答

1582閲覧

LSTMの回帰予測においての予測範囲

gymgym

総合スコア97

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

0グッド

2クリップ

投稿2019/08/23 09:40

目的としては、為替の予測をLSTMを用いて行いたいです。
その際に、訓練データは2018.7.2から2019.6.15のデータを用いて2019.7.1から2週間分の予測を行いたいです。

訓練データとテストデータの間の期間を空けて予測したいです。
このようなことは可能なのでしょうか。

フィッティングまでのコードを以下のように書いてみました。
LSTM初心者なので何かアドバイスもあれば嬉しいです。

訓練データとテストデータが時系列的に繋がっていれば予測はできるのですが、今回は空白の期間があった時の予測についてアドバイスが欲しいです。
よろしくお願いします。

空白にする意図としては、最終的にはリアルタイムで予測したいので空白の期間を設けて予測しようと考えています。

Python

1import pandas as pd 2import datetime as dt 3import matplotlib.pyplot as plt 4import numpy as np 5import time 6 7# 為替データ読み込み 8usd_jpy = pd.read_csv("USD_JPY.csv") 9usd_jpy.columns = ['Date', 'Close', 'Open', 'High', 'Low', 'Volume'] 10#Datetime型に変換 11usd_jpy['Date'] = pd.to_datetime(usd_jpy['Date'], format='%Y年%m月%d日') 12#日付の古い順にソート 13usd_jpy = usd_jpy.sort_values(by='Date') 14 15#訓練データ 16train = usd_jpy[(usd_jpy['Date'] >= dt.datetime(2018,7,2)) & (usd_jpy['Date'] < dt.datetime(2019,6,15))] 17 18#テストデータ 19test = usd_jpy[(usd_jpy['Date'] >= dt.datetime(2019,6,30))] 20 21#LSTMのウィンドウサイズ 22window_len = 10 23 24del train['Date'] 25del test['Date'] 26del train['Volume'] 27del test['Volume'] 28 29# LSTMへの入力用に処理(訓練) 30train_lstm_in = [] 31for i in range(len(train) - window_len): 32 temp = train[i:(i + window_len)].copy() 33 for col in train: 34 temp.loc[:, col] = temp[col] / temp[col].iloc[0] - 1 35 train_lstm_in.append(temp) 36lstm_train_out = (train['Close'][window_len:].values / train['Close'][:-window_len].values)-1 37 38# LSTMへの入力用に処理(テスト) 39test_lstm_in = [] 40for i in range(len(test) - window_len): 41 temp = test[i:(i + window_len)].copy() 42 for col in test: 43 temp.loc[:, col] = temp[col] / temp[col].iloc[0] - 1 44 test_lstm_in.append(temp) 45lstm_test_out = (test['Close'][window_len:].values / test['Close'][:-window_len].values)-1 46 47# PandasのデータフレームからNumpy配列へ変換 48train_lstm_in = [np.array(train_lstm_input) for train_lstm_input in train_lstm_in] 49train_lstm_in = np.array(train_lstm_in) 50test_lstm_in = [np.array(test_lstm_input) for test_lstm_input in test_lstm_in] 51test_lstm_in = np.array(test_lstm_in) 52 53# ランダムシードの設定 54np.random.seed(202) 55 56# 初期モデルの構築 57yen_model = build_model(train_lstm_in, output_size=1, neurons = 20) 58 59# フィッティング 60yen_history = yen_model.fit(train_lstm_in, lstm_train_out, 61 nb_epoch=50, batch_size=1, verbose=2, shuffle=True) 62

気になる質問をクリップする

クリップした質問は、後からいつでもMYページで確認できます。

またクリップした質問に回答があった際、通知やメールを受け取ることができます。

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

guest

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

まだ回答がついていません

会員登録して回答してみよう

アカウントをお持ちの方は

15分調べてもわからないことは
teratailで質問しよう!

ただいまの回答率
85.50%

質問をまとめることで
思考を整理して素早く解決

テンプレート機能で
簡単に質問をまとめる

質問する

関連した質問