質問編集履歴
1
分かりやすく書き直し
test
CHANGED
@@ -1 +1 @@
|
|
1
|
-
|
1
|
+
予測値y_predの中身がnanになる問題。ぜひご指導よろしくお願い致します。
|
test
CHANGED
@@ -1,208 +1,4 @@
|
|
1
1
|
```ここに言語を入力
|
2
|
-
|
3
|
-
x_cols = ["TEMP_okym","TEMP_hrsm"] + df.columns.tolist()[14:]
|
4
|
-
|
5
|
-
|
6
|
-
|
7
|
-
X = df[x_cols]
|
8
|
-
|
9
|
-
y = df["MW"]
|
10
|
-
|
11
|
-
|
12
|
-
|
13
|
-
# ラベル付きデータをトレーニングセット (X_train, y_train)とテストセット (X_test,y_test)に分割
|
14
|
-
|
15
|
-
from sklearn import model_selection
|
16
|
-
|
17
|
-
|
18
|
-
|
19
|
-
X_train, X_test, y_train, y_test = model_selection.train_test_split(X, y, test_size=.2, random_state=42)
|
20
|
-
|
21
|
-
|
22
|
-
|
23
|
-
# 正規化
|
24
|
-
|
25
|
-
from sklearn.preprocessing import StandardScaler
|
26
|
-
|
27
|
-
|
28
|
-
|
29
|
-
scaler = StandardScaler()
|
30
|
-
|
31
|
-
scaler.fit(X_train)
|
32
|
-
|
33
|
-
|
34
|
-
|
35
|
-
X_train = scaler.transform(X_train)
|
36
|
-
|
37
|
-
X_test = scaler.transform(X_test)
|
38
|
-
|
39
|
-
|
40
|
-
|
41
|
-
# Chainer読込
|
42
|
-
|
43
|
-
from chainer import Chain, optimizers, Variable
|
44
|
-
|
45
|
-
import chainer.functions as F
|
46
|
-
|
47
|
-
import chainer.links as L
|
48
|
-
|
49
|
-
|
50
|
-
|
51
|
-
# ニューラルネットワークのモデル生成用クラス
|
52
|
-
|
53
|
-
class MyChain(Chain):
|
54
|
-
|
55
|
-
|
56
|
-
|
57
|
-
def __init__(self, n_units=10):
|
58
|
-
|
59
|
-
super(MyChain, self).__init__(
|
60
|
-
|
61
|
-
l1=L.Linear(len(x_cols), n_units),
|
62
|
-
|
63
|
-
l2=L.Linear(n_units, n_units),
|
64
|
-
|
65
|
-
l3=L.Linear(n_units, 1))
|
66
|
-
|
67
|
-
|
68
|
-
|
69
|
-
def __call__(self, X_data, y_data):
|
70
|
-
|
71
|
-
|
72
|
-
|
73
|
-
X = Variable(X_data.astype(np.float32).reshape(len(X_data),len(x_cols))) # Variableオブジェクトに変換
|
74
|
-
|
75
|
-
y = Variable(y_data.values.astype(np.float32).reshape(len(y_data),1)) # Variableオブジェクトに変換
|
76
|
-
|
77
|
-
#print(x)
|
78
|
-
|
79
|
-
|
80
|
-
|
81
|
-
#AttributeError: 'Series' object has no attribute 'reshape'とエラーを吐く。values.を追加して解決
|
82
|
-
|
83
|
-
# 元のサンプルコードから他の変更点:x_data→X_data。x→X
|
84
|
-
|
85
|
-
|
86
|
-
|
87
|
-
#Chainerのお作法で、データは配列からChainerのVariableという型(クラス)のオブジェクトに変換して使う
|
88
|
-
|
89
|
-
#astype(np.float32):小数へ型変換(cast)?
|
90
|
-
|
91
|
-
#reshape():NumPyの配列数と大きさの形状変換をする。配列の次元変更。例えばreshape(5,5)は5行5列
|
92
|
-
|
93
|
-
#組み込み関数len()を使うと、リストや文字列など様々な型のオブジェクトのサイズ(要素数や文字数)を取得できる
|
94
|
-
|
95
|
-
#B = reshape(A,sz) は、A の形状をサイズ ベクトル sz で定義される size(B) に変更する意味
|
96
|
-
|
97
|
-
|
98
|
-
|
99
|
-
pred = self.predict(X)
|
100
|
-
|
101
|
-
#print(pred)
|
102
|
-
|
103
|
-
return F.mean_squared_error(pred, y)
|
104
|
-
|
105
|
-
|
106
|
-
|
107
|
-
def predict(self, X):
|
108
|
-
|
109
|
-
h1 = F.relu(self.l1(X))
|
110
|
-
|
111
|
-
h2 = F.relu(self.l2(h1))
|
112
|
-
|
113
|
-
h3 = self.l3(h2)
|
114
|
-
|
115
|
-
return h3
|
116
|
-
|
117
|
-
|
118
|
-
|
119
|
-
def get_predata(self, X):
|
120
|
-
|
121
|
-
return self.predict(Variable(X.astype(np.float32).reshape(len(X),1))).data
|
122
|
-
|
123
|
-
|
124
|
-
|
125
|
-
# パラメータ初期化
|
126
|
-
|
127
|
-
batchsize = 16
|
128
|
-
|
129
|
-
n_epoch = 50
|
130
|
-
|
131
|
-
n_units = 10
|
132
|
-
|
133
|
-
|
134
|
-
|
135
|
-
# モデル生成
|
136
|
-
|
137
|
-
model = MyChain(n_units)
|
138
|
-
|
139
|
-
optimizer = optimizers.Adam()
|
140
|
-
|
141
|
-
optimizer.setup(model)
|
142
|
-
|
143
|
-
|
144
|
-
|
145
|
-
# 学習
|
146
|
-
|
147
|
-
train_losses =[]
|
148
|
-
|
149
|
-
test_losses =[]
|
150
|
-
|
151
|
-
|
152
|
-
|
153
|
-
N = len(X_train)
|
154
|
-
|
155
|
-
|
156
|
-
|
157
|
-
for epoch in range(1, n_epoch + 1):
|
158
|
-
|
159
|
-
|
160
|
-
|
161
|
-
perm = np.random.permutation(N)
|
162
|
-
|
163
|
-
|
164
|
-
|
165
|
-
sum_loss = 0
|
166
|
-
|
167
|
-
for i in range(0, N, batchsize):
|
168
|
-
|
169
|
-
x_batch = X_train[perm[i:i + batchsize]]
|
170
|
-
|
171
|
-
y_batch = y_train[perm[i:i + batchsize]]
|
172
|
-
|
173
|
-
|
174
|
-
|
175
|
-
model.zerograds()
|
176
|
-
|
177
|
-
loss = model(x_batch,y_batch)
|
178
|
-
|
179
|
-
sum_loss += loss.data * batchsize
|
180
|
-
|
181
|
-
loss.backward()
|
182
|
-
|
183
|
-
optimizer.update()
|
184
|
-
|
185
|
-
|
186
|
-
|
187
|
-
average_loss = sum_loss / N
|
188
|
-
|
189
|
-
train_losses.append(average_loss)
|
190
|
-
|
191
|
-
|
192
|
-
|
193
|
-
loss = model(X_test,y_test)
|
194
|
-
|
195
|
-
test_losses.append(loss.data)
|
196
|
-
|
197
|
-
|
198
|
-
|
199
|
-
# 学習過程を出力
|
200
|
-
|
201
|
-
if epoch % 10 == 0:
|
202
|
-
|
203
|
-
print("epoch: {}/{} train loss: {} test loss: {}".format(epoch, n_epoch, average_loss, loss.data))
|
204
|
-
|
205
|
-
|
206
2
|
|
207
3
|
# 検証
|
208
4
|
|
@@ -218,4 +14,24 @@
|
|
218
14
|
|
219
15
|
```
|
220
16
|
|
17
|
+
# 質問:一つ教えていただけますか?
|
18
|
+
|
19
|
+
Chainerで電気需要予測モデルを作っているのですが、
|
20
|
+
|
221
|
-
|
21
|
+
学習モデルを作成後下記の予測値取得コード&グラフ作成でエラーメッセージは出ないですが、なぜか「y_pred」グラフのみ表示されません。調べてみるとy_predの中身が
|
22
|
+
|
23
|
+
array([[nan],
|
24
|
+
|
25
|
+
[nan],
|
26
|
+
|
27
|
+
[nan],
|
28
|
+
|
29
|
+
...,
|
30
|
+
|
31
|
+
[nan],
|
32
|
+
|
33
|
+
[nan],
|
34
|
+
|
35
|
+
[nan]], dtype=float32)
|
36
|
+
|
37
|
+
になっています。原因はどこにあると思いますか?
|