回答編集履歴
3
importが一つ抜けていたので修正しました。
answer
CHANGED
@@ -23,6 +23,7 @@
|
|
23
23
|
from tensorflow.keras.initializers import he_normal
|
24
24
|
from tensorflow.keras.optimizers import Adam
|
25
25
|
|
26
|
+
import matplotlib.pyplot as plt
|
26
27
|
import numpy as np
|
27
28
|
import math as mt
|
28
29
|
|
2
codeの挿入に失敗したので更新しました
answer
CHANGED
@@ -13,6 +13,7 @@
|
|
13
13
|
|
14
14
|
↓は動きました。予測精度が悪い(予測値が0.6以上にならない)理由がよくわかりませんが、
|
15
15
|
学習は進んでいるようです。
|
16
|
+
```python3
|
16
17
|
from tensorflow import keras
|
17
18
|
from tensorflow.keras.models import Sequential
|
18
19
|
from tensorflow.keras.layers import LSTM
|
@@ -27,6 +28,7 @@
|
|
27
28
|
|
28
29
|
image_list=[]
|
29
30
|
temp = []
|
31
|
+
#[X.shape, Y.shape] = [(89711, 4, 36), (89711, 4)]
|
30
32
|
|
31
33
|
for i in range(89711):
|
32
34
|
image=np.zeros(4).reshape(4,1)
|
@@ -37,18 +39,20 @@
|
|
37
39
|
image_list.append(image[::,1:37].reshape(4,36))
|
38
40
|
temp.append([mt.sin((36+i)*0.1)/2+0.5, mt.cos((36+i)*0.1)/2+0.5,mt.sin((36+i)*0.1+0.5)/2+0.5,mt.cos((36+i)*0.1+0.5)/2+0.5])
|
39
41
|
|
40
|
-
X_train = np.array(image_list)
|
42
|
+
X_train = np.array(image_list)#(89711, 4, 36)の入力。4変量はそれぞれサイン関数とか、36点分の連続データ
|
41
|
-
Y_train = np.array(temp)
|
43
|
+
Y_train = np.array(temp)#(89711, 4)のターゲット。
|
42
44
|
|
43
45
|
print(X_train.shape)
|
44
46
|
print(Y_train.shape)
|
45
47
|
|
46
48
|
output_dim = 4
|
47
|
-
num_hidden_units = 128
|
49
|
+
num_hidden_units = 128 # 隠れ層のユニット数
|
48
|
-
batch_size = 300
|
50
|
+
batch_size = 300 # ミニバッチサイズ
|
49
|
-
epochs = 100
|
51
|
+
epochs = 100 # 学習エポック数
|
50
|
-
learning_rate = 0.001
|
52
|
+
learning_rate = 0.001 # 学習率
|
51
53
|
|
54
|
+
# モデルの作成
|
55
|
+
|
52
56
|
num_hidden_units = 128
|
53
57
|
output_dim = 4
|
54
58
|
|
@@ -56,23 +60,24 @@
|
|
56
60
|
model.add(LSTM(
|
57
61
|
num_hidden_units,
|
58
62
|
input_shape=(X_train.shape[1],X_train.shape[2]),
|
59
|
-
return_sequences=
|
63
|
+
return_sequences=False))#←変更
|
60
64
|
|
61
65
|
model.add(Dropout(0.2))
|
62
|
-
model.add(Dense(output_dim))
|
66
|
+
model.add(Dense(output_dim)) # 分類の数
|
63
67
|
|
64
68
|
model.add(Activation("softmax"))
|
65
69
|
|
66
|
-
model.compile(loss="
|
70
|
+
model.compile(loss="mean_squared_error", optimizer="Adam")#←変更
|
67
71
|
model.summary()
|
68
72
|
|
73
|
+
|
69
74
|
model.fit(X_train, Y_train,
|
70
75
|
batch_size=batch_size,
|
71
76
|
epochs=100,
|
72
77
|
validation_split=0.1,
|
73
78
|
)
|
74
79
|
|
75
|
-
|
80
|
+
#ここから予測結果確認用
|
76
81
|
lstm_data_y_predict = model.predict(X_train)
|
77
82
|
|
78
83
|
plt.figure()
|
@@ -84,4 +89,5 @@
|
|
84
89
|
plt.plot(Y_train[:, 1], lw=2)
|
85
90
|
plt.plot(lstm_data_y_predict[:, 1], '--', lw=2)
|
86
91
|
|
87
|
-
plt.figure()
|
92
|
+
plt.figure()
|
93
|
+
```
|
1
Noneを足したら動く、という回答が間違っていたので訂正します。
answer
CHANGED
@@ -3,4 +3,85 @@
|
|
3
3
|
的なエラーだと思います。
|
4
4
|
|
5
5
|
↓Noneはバッチサイズらしいです(一度に学習させるサンプル数かな)
|
6
|
-
https://qiita.com/sasayabaku/items/b7872a3b8acc7d6261bf
|
6
|
+
https://qiita.com/sasayabaku/items/b7872a3b8acc7d6261bf
|
7
|
+
|
8
|
+
ごめんなさい、Noneは無くてもよかったです。
|
9
|
+
↓太字の部分を変えました。変更しないと私の力では解決できませんでした。
|
10
|
+
なお、LSTMの解説を読むとXとYは同じパラメータで無いとダメな気がします。
|
11
|
+
(例:X→36日分の株価 Y→今日の株価)
|
12
|
+
分類したいならConv2Dとかの方が一般的なのかな、と思いましたがどうでしょうか?
|
13
|
+
|
14
|
+
↓は動きました。予測精度が悪い(予測値が0.6以上にならない)理由がよくわかりませんが、
|
15
|
+
学習は進んでいるようです。
|
16
|
+
from tensorflow import keras
|
17
|
+
from tensorflow.keras.models import Sequential
|
18
|
+
from tensorflow.keras.layers import LSTM
|
19
|
+
from tensorflow.keras.layers import Activation, Dense, Dropout, Flatten
|
20
|
+
from tensorflow.keras.layers import Conv2D, MaxPooling2D
|
21
|
+
from tensorflow.keras import backend as K
|
22
|
+
from tensorflow.keras.initializers import he_normal
|
23
|
+
from tensorflow.keras.optimizers import Adam
|
24
|
+
|
25
|
+
import numpy as np
|
26
|
+
import math as mt
|
27
|
+
|
28
|
+
image_list=[]
|
29
|
+
temp = []
|
30
|
+
|
31
|
+
for i in range(89711):
|
32
|
+
image=np.zeros(4).reshape(4,1)
|
33
|
+
for j in range(36):
|
34
|
+
itemp = np.array([mt.sin((j+i)*0.1)/2+0.5, mt.cos((j+i)*0.1)/2+0.5,mt.sin((j+i)*0.1+0.5)/2+0.5,mt.cos((j+i)*0.1+0.5)/2+0.5])
|
35
|
+
image = np.append(image,itemp.reshape(4,1),axis=1)
|
36
|
+
|
37
|
+
image_list.append(image[::,1:37].reshape(4,36))
|
38
|
+
temp.append([mt.sin((36+i)*0.1)/2+0.5, mt.cos((36+i)*0.1)/2+0.5,mt.sin((36+i)*0.1+0.5)/2+0.5,mt.cos((36+i)*0.1+0.5)/2+0.5])
|
39
|
+
|
40
|
+
X_train = np.array(image_list)
|
41
|
+
Y_train = np.array(temp)
|
42
|
+
|
43
|
+
print(X_train.shape)
|
44
|
+
print(Y_train.shape)
|
45
|
+
|
46
|
+
output_dim = 4
|
47
|
+
num_hidden_units = 128
|
48
|
+
batch_size = 300
|
49
|
+
epochs = 100
|
50
|
+
learning_rate = 0.001
|
51
|
+
|
52
|
+
num_hidden_units = 128
|
53
|
+
output_dim = 4
|
54
|
+
|
55
|
+
model = Sequential()
|
56
|
+
model.add(LSTM(
|
57
|
+
num_hidden_units,
|
58
|
+
input_shape=(X_train.shape[1],X_train.shape[2]),
|
59
|
+
return_sequences=**False**))
|
60
|
+
|
61
|
+
model.add(Dropout(0.2))
|
62
|
+
model.add(Dense(output_dim))
|
63
|
+
|
64
|
+
model.add(Activation("softmax"))
|
65
|
+
|
66
|
+
model.compile(loss="**mean_squared_error**", optimizer="Adam")
|
67
|
+
model.summary()
|
68
|
+
|
69
|
+
model.fit(X_train, Y_train,
|
70
|
+
batch_size=batch_size,
|
71
|
+
epochs=100,
|
72
|
+
validation_split=0.1,
|
73
|
+
)
|
74
|
+
|
75
|
+
|
76
|
+
lstm_data_y_predict = model.predict(X_train)
|
77
|
+
|
78
|
+
plt.figure()
|
79
|
+
plt.title('sin')
|
80
|
+
plt.plot(Y_train[:, 0], lw=2)
|
81
|
+
plt.plot(lstm_data_y_predict[:, 0], '--', lw=2)
|
82
|
+
plt.figure()
|
83
|
+
plt.title('cos')
|
84
|
+
plt.plot(Y_train[:, 1], lw=2)
|
85
|
+
plt.plot(lstm_data_y_predict[:, 1], '--', lw=2)
|
86
|
+
|
87
|
+
plt.figure()
|