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!

ただいまの
回答率

89.07%

LSTMの回帰予測においての予測範囲

受付中

回答 0

投稿

  • 評価
  • クリップ 1
  • VIEW 492

gymgym

score 94

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。

import pandas as pd
import datetime as dt
import matplotlib.pyplot as plt
import numpy as np
import time

# 為替データ読み込み
usd_jpy = pd.read_csv("USD_JPY.csv")
usd_jpy.columns = ['Date', 'Close', 'Open', 'High', 'Low', 'Volume']
#Datetime型に変換
usd_jpy['Date'] = pd.to_datetime(usd_jpy['Date'], format='%Y年%m月%d日')
#日付の古い順にソート
usd_jpy = usd_jpy.sort_values(by='Date')

#訓練データ
train = usd_jpy[(usd_jpy['Date'] >= dt.datetime(2018,7,2)) & (usd_jpy['Date'] < dt.datetime(2019,6,15))]

#テストデータ
test = usd_jpy[(usd_jpy['Date'] >= dt.datetime(2019,6,30))]

#LSTMのウィンドウサイズ
window_len = 10

del train['Date']
del test['Date']
del train['Volume']
del test['Volume']

# LSTMへの入力用に処理(訓練)
train_lstm_in = []
for i in range(len(train) - window_len):
    temp = train[i:(i + window_len)].copy()
    for col in train:
        temp.loc[:, col] = temp[col] / temp[col].iloc[0] - 1
    train_lstm_in.append(temp)
lstm_train_out = (train['Close'][window_len:].values / train['Close'][:-window_len].values)-1

# LSTMへの入力用に処理(テスト)
test_lstm_in = []
for i in range(len(test) - window_len):
    temp = test[i:(i + window_len)].copy()
    for col in test:
        temp.loc[:, col] = temp[col] / temp[col].iloc[0] - 1
    test_lstm_in.append(temp)
lstm_test_out = (test['Close'][window_len:].values / test['Close'][:-window_len].values)-1

# PandasのデータフレームからNumpy配列へ変換
train_lstm_in = [np.array(train_lstm_input) for train_lstm_input in train_lstm_in]
train_lstm_in = np.array(train_lstm_in)
test_lstm_in = [np.array(test_lstm_input) for test_lstm_input in test_lstm_in]
test_lstm_in = np.array(test_lstm_in)

# ランダムシードの設定
np.random.seed(202)

# 初期モデルの構築
yen_model = build_model(train_lstm_in, output_size=1, neurons = 20)

# フィッティング
yen_history = yen_model.fit(train_lstm_in, lstm_train_out, 
                            nb_epoch=50, batch_size=1, verbose=2, shuffle=True)
  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイ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。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

まだ回答がついていません

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 89.07%
  • 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られる

関連した質問

同じタグがついた質問を見る