teratail
回答率
85.44%
質問するログイン新規登録
トップに関する質問2値分類タスクの学習,

編集履歴

質問編集履歴

3

個人情報が含まれていた。気分を害する回答がきた。

2020/11/04 13:01

投稿

退会済みユーザー
test CHANGED
@@ -1 +1 @@
1
- 2値分類タスクでLSTMの学習が進まない
1
+ 2値分類タスクの学習,
test CHANGED
File without changes

2

個人情報が含まれていた。気分を害する回答がきた。

2020/11/04 13:01

投稿

退会済みユーザー
test CHANGED
File without changes
test CHANGED
@@ -1,201 +1 @@
1
- 60ステップの価格系列(Close)を入力データとし、次の時刻の価格(Close)が下がるか上がるかを分類するタスクです。
2
-
3
- 以下のようにモデルを作成したのですが、学習が進みません。
4
-
5
- データ(all_data)は以下のようになっています。
6
-
7
- | index(時刻) |Open|High|Low|Close|Adj Close|Volume
8
-
9
- |:--|:--:|--:|
10
-
11
-
12
-
13
- データ作成
14
-
15
- ```python
16
-
17
- def create_dl_train_test_split(all_data,OHLC='Close',look_back=60):
18
-
19
- all_data[OHLC+'_diff'] = all_data[OHLC].diff()
20
-
21
- all_data['RS'] = all_data[OHLC+'_diff'].map(lambda x: 1 if x>0 else 0)
22
-
23
-
24
-
25
- #Nanの値を削除
26
-
27
- all_data = all_data.dropna(subset=[OHLC+'_diff'])
28
-
29
-
30
-
31
- #分割
32
-
33
- train_set_X = all_data['1990':'2016'].iloc[:, 6:7].values
34
-
35
- train_set_y = all_data['1990':'2016'].iloc[:, 7:8].values
36
-
37
-
38
-
39
- test_set_X = all_data['2017':].iloc[:, 6:7].values
40
-
41
- test_set_y = all_data['2017':].iloc[:, 7:8].values
42
-
43
-
44
-
45
- scaler = StandardScaler()
46
-
47
- scaler.fit(train_set_X)
48
-
49
- train_set_scaled = scaler.transform(train_set_X)
50
-
51
- test_set_scaled = scaler.transform(test_set_X)
52
-
53
-
54
-
55
-
56
-
57
- # 翌日の価格を予測するために、過去60日分のデータを使用
58
-
59
- X_train = []
60
-
61
- y_train = []
62
-
63
- X_test = []
64
-
65
- y_test = []
66
-
67
-
68
-
69
- for i in range(look_back, len(train_set_X)):
70
-
71
- X_train.append(train_set_scaled[i - look_back:i, 0])
72
-
73
- y_train.append(train_set_y[i, 0])
74
-
75
-
76
-
77
- for i in range(look_back, len(test_set_X)):
78
-
79
- X_test.append(test_set_scaled[i - look_back:i, 0])
80
-
81
- y_test.append(test_set_y[i, 0])
82
-
83
-
84
-
85
- X_train, y_train = np.array(X_train), np.array(y_train)
1
+ aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa
86
-
87
- X_test, y_test = np.array(X_test), np.array(y_test)
88
-
89
-
90
-
91
- X_train = np.reshape(X_train, (X_train.shape[0], X_train.shape[1], 1))
92
-
93
- X_test = np.reshape(X_test, (X_test.shape[0], X_test.shape[1], 1))
94
-
95
-
96
-
97
- #学習データから8:2の割合で　検証データを作る
98
-
99
- X_train, X_val, y_train, y_val = train_test_split(X_train,y_train, test_size=0.2)
100
-
101
-
102
-
103
- return X_train, y_train, X_val, y_val, X_test, y_test, scaler
104
-
105
-
106
-
107
- ```
108
-
109
-
110
-
111
- モデル作成
112
-
113
- ```Python
114
-
115
- def create_LSTM_with_drop_out_model(X_train, y_train, X_val, y_val, X_test,):
116
-
117
-
118
-
119
- model = Sequential()
120
-
121
- model.add(LSTM(units=25, activation='tanh', recurrent_activation='sigmoid', kernel_initializer='glorot_normal',
122
-
123
- recurrent_initializer='orthogonal', return_sequences=False, input_shape=(X_train.shape[1],1)))
124
-
125
- model.add(Dropout(0.2))
126
-
127
-
128
-
129
- model.add(Dense(units=1, activation='sigmoid'))
130
-
131
-
132
-
133
- optimizer = Adam(learning_rate=0.001)
134
-
135
-
136
-
137
- es = EarlyStopping(monitor='val_loss', patience=50, verbose=1)
138
-
139
-
140
-
141
- model.compile(optimizer=optimizer, loss='binary_crossentropy', metrics=['accuracy'])
142
-
143
-
144
-
145
- model.fit(X_train, y_train, epochs=100, batch_size=128, verbose=1, validation_data=(X_val, y_val), callbacks=[es])
146
-
147
-
148
-
149
- predicted = model.predict(X_test)
150
-
151
-
152
-
153
- return model,predicted
154
-
155
- ```
156
-
157
-
158
-
159
-
160
-
161
- 実行すると
162
-
163
- Train on 5104 samples, validate on 1276 samples
164
-
165
- Epoch 1/100
166
-
167
- 5104/5104 [==============================] - 4s 778us/sample - loss: 0.6938 - accuracy: 0.5096 - val_loss: 0.6936 - val_accuracy: 0.4867
168
-
169
- Epoch 2/100
170
-
171
- 5104/5104 [==============================] - 2s 336us/sample - loss: 0.6932 - accuracy: 0.5125 - val_loss: 0.6926 - val_accuracy: 0.4937
172
-
173
- Epoch 3/100
174
-
175
- 5104/5104 [==============================] - 2s 341us/sample - loss: 0.6924 - accuracy: 0.5135 - val_loss: 0.6924 - val_accuracy: 0.4945
176
-
177
- Epoch 4/100
178
-
179
- 5104/5104 [==============================] - 2s 341us/sample - loss: 0.6919 - accuracy: 0.5161 - val_loss: 0.6927 - val_accuracy: 0.4969
180
-
181
- Epoch 5/100
182
-
183
- 5104/5104 [==============================] - 2s 331us/sample - loss: 0.6918 - accuracy: 0.5159 - val_loss: 0.6929 - val_accuracy: 0.4945
184
-
185
- Epoch 6/100
186
-
187
- 5104/5104 [==============================] - 2s 333us/sample - loss: 0.6920 - accuracy: 0.5182 - val_loss: 0.6931 - val_accuracy: 0.4929
188
-
189
- Epoch 7/100
190
-
191
- 5104/5104 [==============================] - 2s 349us/sample - loss: 0.6919 - accuracy: 0.5182 - val_loss: 0.6929 - val_accuracy: 0.4953
192
-
193
- Epoch 8/100
194
-
195
- 5104/5104 [==============================] - 2s 328us/sample - loss: 0.6917 - accuracy: 0.5165 - val_loss: 0.6931 - val_accuracy: 0.4929
196
-
197
-
198
-
199
- と一向に損失関数が減らず学習が進まないです。
200
-
201
- 解決方法がわかる方がいましたらぜひお願いします。

1

誤字

2020/11/04 13:00

投稿

退会済みユーザー
test CHANGED
File without changes
test CHANGED
@@ -1,6 +1,6 @@
1
1
  60ステップの価格系列(Close)を入力データとし、次の時刻の価格(Close)が下がるか上がるかを分類するタスクです。
2
2
 
3
- 以下のようにモデルを作成したのですが、学習で進みません。
3
+ 以下のようにモデルを作成したのですが、学習が進みません。
4
4
 
5
5
  データ(all_data)は以下のようになっています。
6
6
 
@@ -108,6 +108,8 @@
108
108
 
109
109
 
110
110
 
111
+ モデル作成
112
+
111
113
  ```Python
112
114
 
113
115
  def create_LSTM_with_drop_out_model(X_train, y_train, X_val, y_val, X_test,):