常連

注目の的

自己紹介

### 前提・実現したいこと
kerasのlstmを用いて，将来の交通量予測を行うモデルを構築しているのですが，
作成したモデルが意図した予測を行っているかがわかりません。
モデルでは，30分先の交通量を予測するようにしているのですが，
問題点として，
(1)明らかに精度が高い(本当に意図した時間先を予測しているのか？)
(2)予測したい時間を変えたとき明らかに不自然な予測結果が得られる
　　特に12時間先のデータを用いて予測した際は予測結果(下記図２枚目)が不自然になり，
　　１日先のデータでの予測結果は(下記図３枚目)逆に精度が高すぎるといった結果になりました。
私の作成したプログラムが正しく意図した将来を予測できているのか判断がつきません。

追記
下記図に関して，
青線が予測値
オレンジ線が観測値
になります。
また，ソースコードにおける「pred_time」が予測したい時間先になっており，
pred_time=30で，正解データが30分先の値であることを意味しています。
この意味として，ある1時点のデータを学習データ，その時点から30分後の時点のデータを正解データとして
損失関数を小さくするような学習をしてほしいと考えています。


再追記
使用している交通量のデータは，
100日間1分間隔(144000行)で記録された時系列のデータになります。


### 該当のソースコード

```Python
#1変数のみを入力

import os 
import numpy as np
import pandas as pd 
import matplotlib.pyplot as plt 

import_file = 'C:/Users/temp/Desktop/week_day1.csv'          #データファイルの読み込み

#事前の決定
test_rate = 0.2                     #データの分割割合
pred_time = 720                      #何分先を予測するかの決定(データ:1分間隔/１時間先を予測:pred_time = 60)
time = 1440

#データのインポート
df = pd.read_csv(import_file)

#必要なデータの抽出
date = df.iloc[:,0].values          #データの１列目を抽出
Pt = df.iloc[:, 3:4].values           #データの4列目を抽出


#データの分割
from sklearn.model_selection import train_test_split
date_1, date_2 = train_test_split(date, test_size=test_rate, shuffle=False)
train, test = train_test_split(Pt,test_size=test_rate,shuffle=False)


#教師ありデータに変換
x_train = train[:-pred_time]                 #データの下からpred_time分を削って学習データに
t_train = train[pred_time:]                  #データの上からpred_time分を削って正解データに
x_test = test[:-pred_time]                 #データの下からpred_time分を削ってテストデータに
t_test = test[pred_time:]                  #データの上からpred_time分を削って正解データに



#２次元配列へ変換
x_train = x_train.reshape(-1, 1)
t_train = t_train.reshape(-1, 1)
x_test  = x_test .reshape(-1, 1)
t_test = t_test .reshape(-1, 1)


#0-1への正規化の定義
from sklearn.preprocessing import MinMaxScaler

def scale(x_train, x_test , t_train, t_test ):

    # change type
    x_train = x_train.astype(np.float32)
    x_test =   x_test .astype(np.float32)
    t_train = t_train.astype(np.float32)
    t_test =   t_test .astype(np.float32)

    # scale inputs
    sclr = MinMaxScaler()
    x_train = sclr.fit_transform(x_train)
    x_test    = sclr.transform(x_test )
    t_train = sclr.transform(t_train)
    t_test = sclr.transform(t_test )
    
    return x_train, x_test , t_train, t_test , sclr

#正規化
x_train, x_test , t_train, t_test , sclr = scale(x_train, x_test , t_train, t_test )

#成形(change shape)
x_train = np.reshape(x_train.astype("float32"), (x_train.shape[0],1,x_train.shape[1] ))
x_test  = np.reshape(x_test .astype("float32"), (x_test .shape[0],1,x_test .shape[1] ))


#各種インポート
import keras 
from keras.models import Sequential, Model
from keras.layers import Input, Dense, Activation, LSTM
from keras.callbacks import EarlyStopping
import math
from sklearn.metrics import mean_squared_error, mean_absolute_error


#モデルの定義
Inputs = Input(shape = (x_train.shape[1], x_train.shape[2]), dtype='float32')
lstm = LSTM(128)(Inputs)
Outputs = Dense(1, activation='linear')(lstm)

model = Model(inputs=[Inputs], outputs=[Outputs])
model.compile(loss='mean_squared_error', optimizer='adam', metrics=['mean_squared_error'])

es = EarlyStopping(monitor='val_loss',
                   patience=5,
                   verbose=1)

#モデルの学習
history = model.fit(x_train, t_train, epochs=10, batch_size=256, verbose=1, shuffle=False, validation_split = 0.1, callbacks=[es])


#予測
pred = model.predict(x_test )         #予測値
obs = t_test                         #観測値


#正規化を戻す
obs_unscale=sclr.inverse_transform(obs)
pred_unscale=sclr.inverse_transform(pred)


#モデルの評価指標
RMSE = math.sqrt(mean_squared_error(pred_unscale,obs_unscale))
ape = mean_absolute_error(pred_unscale, obs_unscale)
MAPE =ape * 100/len(obs_unscale)
print("RMSE=",RMSE)
print("MAPE=",MAPE)


#配列 → DataFrame
dfd = pd.DataFrame(date_2)                  #日付
dfp = pd.DataFrame(pred_unscale)            #予測値
dfo = pd.DataFrame(obs_unscale)             #観測値


#最初の1日を削除
dfd = dfd[int(time):]
dfp = dfp[int(time):]
dfo = dfo[int(time - pred_time):]


#predとobsのDataFrameを一つにまとめる
df = pd.concat([dfd, dfp, dfo], axis=1)         #axis=1で横方向に連結


#DataFrameの行名の変更
df.columns = ['date_time', 'Pt_pred', 'Pt_obs']


#csvに書き出し
df.to_csv('C:/Users/temp/Desktop/5_30_output.csv')
```
![30分後を予測](6d7b274ae3e438ed11f19321f0ef4e9b.png)
![半日後を予測](5bce935ae4fb0c36b8e5c659d1d61860.png)
![1日後を予測](7f21d79ed531abe56e1dbcc5ea06c19b.png)
### 試したこと

ハイパーパラメータの調整，スケーリングの調整，予測先の変更等を試してみましたが，うまくいきません。
コード自体が見当はずれなのでしょうか？

kerasを用いて時系列予測を行いたい

### 前提・実現したいこと
ubuntu, nginx, puma, sinatraを用いてwebアプリを作成しています。
アプリが4567番で実行されているのでnginxで80番から4567番にTCPソケットしたいです。
アプリとnginxは同一のインスタンス内にあります。

### nginxの設定
`/etc/nginx/conf.d/sinatra_test.conf`に以下のように記載しました。
`/etc/nginx/conf.d/`にあるのはこのファイルだけです。
また、その他の設定については追加・変更しておらず初期状態と同じです。
```nginx
server {
  location / {
    proxy_pass http://localhost:4567;
  }
}
``` 

↓デフォルトのままですが`/etc/nginx/nginx.conf`です
```
user www-data;
worker_processes auto;
pid /run/nginx.pid;
include /etc/nginx/modules-enabled/*.conf;

events {
        worker_connections 768;
        # multi_accept on;
}

http {

        ##
        # Basic Settings
        ##

        sendfile on;
        tcp_nopush on;
        tcp_nodelay on;
        keepalive_timeout 65;
        types_hash_max_size 2048;
        # server_tokens off;

        # server_names_hash_bucket_size 64;
        # server_name_in_redirect off;

        include /etc/nginx/mime.types;
        default_type application/octet-stream;

        ##
        # SSL Settings
        ##

        ssl_protocols TLSv1 TLSv1.1 TLSv1.2 TLSv1.3; # Dropping SSLv3, ref: POODLE
        ssl_prefer_server_ciphers on;

        ##
        # Logging Settings
        ##

        access_log /var/log/nginx/access.log;
        error_log /var/log/nginx/error.log;

        ##
        # Gzip Settings
        ##

        gzip on;

        # gzip_vary on;
        # gzip_proxied any;
        # gzip_comp_level 6;
        # gzip_buffers 16 8k;
        # gzip_http_version 1.1;
        # gzip_types text/plain text/css application/json application/javascript text/xml application/xml application/xml+rss text/javascript;

        ##
        # Virtual Host Configs
        ##

        include /etc/nginx/conf.d/*.conf;
        include /etc/nginx/sites-enabled/*;
}


#mail {
#       # See sample authentication script at:
#       # http://wiki.nginx.org/ImapAuthenticateWithApachePhpScript
#
#       # auth_http localhost/auth.php;
#       # pop3_capabilities "TOP" "USER";
#       # imap_capabilities "IMAP4rev1" "UIDPLUS";
#
#       server {
#               listen     localhost:110;
#               protocol   pop3;
#               proxy      on;
#       }
#
#       server {
#               listen     localhost:143;
#               protocol   imap;
#               proxy      on;
#       }
#}
```

### 試したこと
- puma + sinatraをポート4567番で起動しサーバー内から`curl localhost:4567`とした時アプリのトップページが表示される事を確認
- しかしブラウザから見た場合や`curl localhost:80`とした時に"welcome to enginx"が表示される
- nginxは正常に起動しておりエラーログも吐いていない
- nginxの再起動も試したがダメ
- nginxの再インストールやEC2でインスタンスを作り直し再度0から構築してもダメ
- AmazonLinux(centOS)では正常に動作する

### 補足情報（FW/ツールのバージョンなど）
nginx/1.18.0 (Ubuntu)
Ubuntu 20.04.1 LTS (Focal Fossa)

ubuntu + nginxで80番から4567番にTCPソケットしたい

### 前提・実現したいこと
プログラム実行結果の違いが判らない

### 発生している問題・エラーメッセージ
循環importの仕組みが分からなったので簡単なプログラムを使って実行したのですが、分からない部分がありました


### 該当のソースコード
test1.py
```python
import test_2

test1num = 100
ans = test_2.calc()
a=ans
print('test1:a = ', ans)
```
test_2.py
```
import test_1
test2num = 10
a = 0
def calc():
    a = test_1.test1num +test2num
    return a

print("test2 :a = ", a)
```
上記の二つのプログラムを同じ階層に配置し、それぞれを実行してみました
### 試したこと

それぞれのプログラムごとに実行したところ異なる結果が得られました。

test1を実行した場合

```
Traceback (most recent call last):
  File "c:\VSCodeProject\Project Files\Python\test1.py", line 1, in <module>
    import test2
  File "c:\VSCodeProject\Project Files\Python\test2.py", line 1, in <module>
    import test1
  File "c:\VSCodeProject\Project Files\Python\test1.py", line 4, in <module>
    ans = test2.calc()
AttributeError: partially initialized module 'test2' has no attribute 'calc' (most likely due to a circular import)
```
test2.pyを実行した場合

```
test2 :a =  0
test1:a =  110
test2 :a =  0
```

どちらも互いのプログラムをimportしているのに対し、test2.pyのみ正常に実行されました。また、test2.pyではcalc()を呼び出していないにもかかわらず計算されて結果が表示されました。何が原因なのか教えていただきたいです。
### 補足情報
VSCodeでPython3.8.3を使用しました。