1. <strong id="7actg"></strong>
    2. <table id="7actg"></table>

    3. <address id="7actg"></address>
      <address id="7actg"></address>
      1. <object id="7actg"><tt id="7actg"></tt></object>

        利用Python對銷售額進(jìn)行預(yù)測

        共 7944字,需瀏覽 16分鐘

         ·

        2022-03-02 16:15

        來源:DeepHub IMBA



        大家經(jīng)常會遇到一些需要預(yù)測的場景,比如預(yù)測品牌銷售額,預(yù)測產(chǎn)品銷量。


        今天給大家分享一波使用 LSTM 進(jìn)行端到端時間序列預(yù)測的完整代碼和詳細(xì)解釋。

        我們先來了解兩個主題:

        • 什么是時間序列分析?
        • 什么是 LSTM?

        時間序列分析:時間序列表示基于時間順序的一系列數(shù)據(jù)。它可以是秒、分鐘、小時、天、周、月、年。未來的數(shù)據(jù)將取決于它以前的值。

        在現(xiàn)實世界的案例中,我們主要有兩種類型的時間序列分析:

        • 單變量時間序列
        • 多元時間序列

        對于單變量時間序列數(shù)據(jù),我們將使用單列進(jìn)行預(yù)測。


        正如我們所見,只有一列,因此即將到來的未來值將僅取決于它之前的值。

        但是在多元時間序列數(shù)據(jù)的情況下,將有不同類型的特征值并且目標(biāo)數(shù)據(jù)將依賴于這些特征。


        正如在圖片中看到的,在多元變量中將有多個列來對目標(biāo)值進(jìn)行預(yù)測。(上圖中“count”為目標(biāo)值)

        在上面的數(shù)據(jù)中,count不僅取決于它以前的值,還取決于其他特征。因此,要預(yù)測即將到來的count值,我們必須考慮包括目標(biāo)列在內(nèi)的所有列來對目標(biāo)值進(jìn)行預(yù)測。

        在執(zhí)行多元時間序列分析時必須記住一件事,我們需要使用多個特征預(yù)測當(dāng)前的目標(biāo),讓我們通過一個例子來理解:

        在訓(xùn)練時,如果我們使用 5 列 [feature1, feature2, feature3, feature4, target] 來訓(xùn)練模型,我們需要為即將到來的預(yù)測日提供 4 列 [feature1, feature2, feature3, feature4]。


        LSTM

        本文中不打算詳細(xì)討論LSTM。所以只提供一些簡單的描述,如果你對LSTM沒有太多的了解,可以參考我們以前發(fā)布的文章。

        LSTM基本上是一個循環(huán)神經(jīng)網(wǎng)絡(luò),能夠處理長期依賴關(guān)系。

        假設(shè)你在看一部電影。所以當(dāng)電影中發(fā)生任何情況時,你都已經(jīng)知道之前發(fā)生了什么,并且可以理解因為過去發(fā)生的事情所以才會有新的情況發(fā)生。RNN也是以同樣的方式工作,它們記住過去的信息并使用它來處理當(dāng)前的輸入。RNN的問題是,由于漸變消失,它們不能記住長期依賴關(guān)系。因此為了避免長期依賴問題設(shè)計了lstm。

        現(xiàn)在我們討論了時間序列預(yù)測和LSTM理論部分。讓我們開始編碼。

        讓我們首先導(dǎo)入進(jìn)行預(yù)測所需的庫:

        import numpy as npimport pandas as pdfrom matplotlib import pyplot as pltfrom tensorflow.keras.models import Sequentialfrom tensorflow.keras.layers import LSTMfrom tensorflow.keras.layers import Dense, Dropoutfrom sklearn.preprocessing import MinMaxScalerfrom keras.wrappers.scikit_learn import KerasRegressorfrom sklearn.model_selection import GridSearchCV

        加載數(shù)據(jù),并檢查輸出:

        df=pd.read_csv("train.csv",parse_dates=["Date"],index_col=[0])df.head()
        df.tail()


        現(xiàn)在讓我們花點(diǎn)時間看看數(shù)據(jù):csv文件中包含了谷歌從2001-01-25到2021-09-29的股票數(shù)據(jù),數(shù)據(jù)是按照天數(shù)頻率的。

        [如果您愿意,您可以將頻率轉(zhuǎn)換為“B”[工作日]或“D”,因為我們不會使用日期,我只是保持它的現(xiàn)狀。]

        這里我們試圖預(yù)測“Open”列的未來值,因此“Open”是這里的目標(biāo)列。

        讓我們看一下數(shù)據(jù)的形狀:

        df.shape(5203,5)

        現(xiàn)在讓我們進(jìn)行訓(xùn)練測試拆分。這里我們不能打亂數(shù)據(jù),因為在時間序列中必須是順序的。

        test_split=round(len(df)*0.20)df_for_training=df[:-1041]df_for_testing=df[-1041:]print(df_for_training.shape)print(df_for_testing.shape)
        (4162, 5)(1041, 5)

        可以注意到數(shù)據(jù)范圍非常大,并且它們沒有在相同的范圍內(nèi)縮放,因此為了避免預(yù)測錯誤,讓我們先使用MinMaxScaler縮放數(shù)據(jù)。(也可以使用StandardScaler)
        scaler = MinMaxScaler(feature_range=(0,1))df_for_training_scaled = scaler.fit_transform(df_for_training)df_for_testing_scaled=scaler.transform(df_for_testing)df_for_training_scaled


        將數(shù)據(jù)拆分為X和Y,這是最重要的部分,正確閱讀每一個步驟。

        def createXY(dataset,n_past):  dataX = []  dataY = []  for i in range(n_past, len(dataset)):          dataX.append(dataset[i - n_past:i, 0:dataset.shape[1]])          dataY.append(dataset[i,0])  return np.array(dataX),np.array(dataY)
        trainX,trainY=createXY(df_for_training_scaled,30)testX,testY=createXY(df_for_testing_scaled,30)

        讓我們看看上面的代碼中做了什么:

        N_past是我們在預(yù)測下一個目標(biāo)值時將在過去查看的步驟數(shù)。

        這里使用30,意味著將使用過去的30個值(包括目標(biāo)列在內(nèi)的所有特性)來預(yù)測第31個目標(biāo)值。

        因此,在trainX中我們會有所有的特征值,而在trainY中我們只有目標(biāo)值。

        讓我們分解for循環(huán)的每一部分:

        對于訓(xùn)練,dataset = df_for_training_scaled, n_past=30
        當(dāng)i= 30:

        data_X.addend (df_for_training_scaled[i - n_past:i, 0:df_for_training.shape[1]])

        從n_past開始的范圍是30,所以第一次數(shù)據(jù)范圍將是-[30 - 30,30,0:5] 相當(dāng)于 [0:30,0:5]

        因此在dataX列表中,df_for_training_scaled[0:30,0:5]數(shù)組將第一次出現(xiàn)。

        現(xiàn)在, dataY.append(df_for_training_scaled[i,0])

        i = 30,所以它將只取第30行開始的open(因為在預(yù)測中,我們只需要open列,所以列范圍僅為0,表示open列)。

        第一次在dataY列表中存儲df_for_training_scaled[30,0]值。

        所以包含5列的前30行存儲在dataX中,只有open列的第31行存儲在dataY中。然后我們將dataX和dataY列表轉(zhuǎn)換為數(shù)組,它們以數(shù)組格式在LSTM中進(jìn)行訓(xùn)練。

        我們來看看形狀。

        print("trainX Shape-- ",trainX.shape)print("trainY Shape-- ",trainY.shape)
        (4132, 30, 5)(4132,)
        print("testX Shape-- ",testX.shape)print("testY Shape-- ",testY.shape)
        (1011, 30, 5)(1011,)

        4132 是 trainX 中可用的數(shù)組總數(shù),每個數(shù)組共有 30 行和 5 列, 在每個數(shù)組的 trainY 中,我們都有下一個目標(biāo)值來訓(xùn)練模型。

        讓我們看一下包含來自 trainX 的 (30,5) 數(shù)據(jù)的數(shù)組之一 和 trainX 數(shù)組的 trainY 值:

        print("trainX[0]-- \n",trainX[0])print("trainY[0]-- ",trainY[0])


        如果查看 trainX[1] 值,會發(fā)現(xiàn)到它與 trainX[0] 中的數(shù)據(jù)相同(第一列除外),因為我們將看到前 30 個來預(yù)測第 31 列,在第一次預(yù)測之后它會自動移動 到第 2 列并取下一個 30 值來預(yù)測下一個目標(biāo)值。

        讓我們用一種簡單的格式來解釋這一切:

        trainX — — →trainY
        [0 : 30,0:5][30,0]
        [1:31, 0:5][31,0]
        [2:32,0:5][32,0]

        像這樣,每個數(shù)據(jù)都將保存在 trainX 和 trainY 中。

        現(xiàn)在讓我們訓(xùn)練模型,我使用 girdsearchCV 進(jìn)行一些超參數(shù)調(diào)整以找到基礎(chǔ)模型。

        def build_model(optimizer):  grid_model = Sequential()  grid_model.add(LSTM(50,return_sequences=True,input_shape=(30,5)))  grid_model.add(LSTM(50))  grid_model.add(Dropout(0.2))  grid_model.add(Dense(1))
        grid_model.compile(loss = 'mse',optimizer = optimizer) return grid_modelgrid_model = KerasRegressor(build_fn=build_model,verbose=1,validation_data=(testX,testY))
        parameters = {'batch_size' : [16,20], 'epochs' : [8,10], 'optimizer' : ['adam','Adadelta'] }
        grid_search = GridSearchCV(estimator = grid_model, param_grid = parameters, cv = 2)

        如果你想為你的模型做更多的超參數(shù)調(diào)整,也可以添加更多的層。但是如果數(shù)據(jù)集非常大建議增加 LSTM 模型中的時期和單位。

        在第一個 LSTM 層中看到輸入形狀為 (30,5)。它來自 trainX 形狀。

        (trainX.shape[1],trainX.shape[2]) → (30,5)

        現(xiàn)在讓我們將模型擬合到 trainX 和 trainY 數(shù)據(jù)中。

        grid_search = grid_search.fit(trainX,trainY)

        由于進(jìn)行了超參數(shù)搜索,所以這將需要一些時間來運(yùn)行。

        你可以看到損失會像這樣減少:


        現(xiàn)在讓我們檢查模型的最佳參數(shù)。

        grid_search.best_params_
        {‘batch_size’: 20, ‘epochs’: 10, ‘optimizer’: ‘a(chǎn)dam’}

        將最佳模型保存在 my_model 變量中。

        my_model=grid_search.best_estimator_.model

        現(xiàn)在可以用測試數(shù)據(jù)集測試模型。

        prediction=my_model.predict(testX)print("prediction\n", prediction)print("\nPrediction Shape-",prediction.shape)

        testY 和 prediction 的長度是一樣的。現(xiàn)在可以將 testY 與預(yù)測進(jìn)行比較。

        但是我們一開始就對數(shù)據(jù)進(jìn)行了縮放,所以首先我們必須做一些逆縮放過程。

        scaler.inverse_transform(prediction)

        報錯了,這是因為在縮放數(shù)據(jù)時,我們每行有 5 列,現(xiàn)在我們只有 1 列是目標(biāo)列。

        所以我們必須改變形狀來使用 inverse_transform:

        prediction_copies_array = np.repeat(prediction,5, axis=-1)


        5 列值是相似的,它只是將單個預(yù)測列復(fù)制了 4 次。所以現(xiàn)在我們有 5 列相同的值 。

        prediction_copies_array.shape(1011,5)

        這樣就可以使用 inverse_transform 函數(shù)。

        pred=scaler.inverse_transform(np.reshape(prediction_copies_array,(len(prediction),5)))[:,0]
        但是逆變換后的第一列是我們需要的,所以我們在最后使用了 → [:,0]。

        現(xiàn)在將這個 pred 值與 testY 進(jìn)行比較,但是 testY 也是按比例縮放的,也需要使用與上述相同的代碼進(jìn)行逆變換。

        original_copies_array = np.repeat(testY,5, axis=-1)original=scaler.inverse_transform(np.reshape(original_copies_array,(len(testY),5)))[:,0]

        現(xiàn)在讓我們看一下預(yù)測值和原始值:

        print("Pred Values-- " ,pred)print("\nOriginal?Values--?"?,original)


        最后繪制一個圖來對比我們的 pred 和原始數(shù)據(jù)。

        plt.plot(original, color = 'red', label = 'Real Stock Price')plt.plot(pred, color = 'blue', label = 'Predicted Stock Price')plt.title('Stock Price Prediction')plt.xlabel('Time')plt.ylabel('Google Stock Price')plt.legend()plt.show()

        看樣子還不錯,到目前為止,我們訓(xùn)練了模型并用測試值檢查了該模型?,F(xiàn)在讓我們預(yù)測一些未來值。

        從主 df 數(shù)據(jù)集中獲取我們在開始時加載的最后 30 個值[為什么是 30?因為這是我們想要的過去值的數(shù)量,來預(yù)測第 31 個值]

        df_30_days_past=df.iloc[-30:,:]df_30_days_past.tail()

        可以看到有包括目標(biāo)列(“Open”)在內(nèi)的所有列。現(xiàn)在讓我們預(yù)測未來的 30 個值。

        在多元時間序列預(yù)測中,需要通過使用不同的特征來預(yù)測單列,所以在進(jìn)行預(yù)測時我們需要使用特征值(目標(biāo)列除外)來進(jìn)行即將到來的預(yù)測。

        這里我們需要“High”、“Low”、“Close”、“Adj Close”列的即將到來的 30 個值來對“Open”列進(jìn)行預(yù)測。

        df_30_days_future=pd.read_csv("test.csv",parse_dates=["Date"],index_col=[0])df_30_days_future

        剔除“Open”列后,使用模型進(jìn)行預(yù)測之前還需要做以下的操作:

        縮放數(shù)據(jù),因為刪除了‘Open’列,在縮放它之前,添加一個所有值都為“0”的Open列。

        縮放后,將未來數(shù)據(jù)中的“Open”列值替換為“nan”

        現(xiàn)在附加 30 天舊值和 30 天新值(其中最后 30 個“打開”值是 nan)

        df_30_days_future["Open"]=0df_30_days_future=df_30_days_future[["Open","High","Low","Close","Adj Close"]]old_scaled_array=scaler.transform(df_30_days_past)new_scaled_array=scaler.transform(df_30_days_future)new_scaled_df=pd.DataFrame(new_scaled_array)new_scaled_df.iloc[:,0]=np.nanfull_df=pd.concat([pd.DataFrame(old_scaled_array),new_scaled_df]).reset_index().drop(["index"],axis=1)

        full_df ?形狀是 (60,5),最后第一列有 30 個 nan 值。

        要進(jìn)行預(yù)測必須再次使用 for 循環(huán),我們在拆分 trainX 和 trainY 中的數(shù)據(jù)時所做的。但是這次我們只有 X,沒有 Y 值。

        full_df_scaled_array=full_df.valuesall_data=[]time_step=30for i in range(time_step,len(full_df_scaled_array)):  data_x=[]  data_x.append(    full_df_scaled_array[i-time_step :i , 0:full_df_scaled_array.shape[1]])  data_x=np.array(data_x)  prediction=my_model.predict(data_x)  all_data.append(prediction)  full_df.iloc[i,0]=prediction

        對于第一個預(yù)測,有之前的 30 個值,當(dāng) for 循環(huán)第一次運(yùn)行時它會檢查前 30 個值并預(yù)測第 31 個“Open”數(shù)據(jù)。

        當(dāng)?shù)诙€ for 循環(huán)將嘗試運(yùn)行時,它將跳過第一行并嘗試獲取下 30 個值 [1:31] 。這里會報錯錯誤因為Open列最后一行是 “nan”,所以需要每次都用預(yù)測替換“nan”。

        最后還需要對預(yù)測進(jìn)行逆變換:

        new_array=np.array(all_data)new_array=new_array.reshape(-1,1)prediction_copies_array = np.repeat(new_array,5, axis=-1)y_pred_future_30_days = scaler.inverse_transform(np.reshape(prediction_copies_array,(len(new_array),5)))[:,0]print(y_pred_future_30_days)

        這樣一個完整的流程就已經(jīng)跑通了。


        如果你想看完整的代碼,可以在這里查看:

        https://github.com/sksujan58/Multivariate-time-series-forecasting-using-LSTM

        作者:Sksujanislam
        -?END -
        對比Excel系列圖書累積銷量達(dá)15w冊,讓你輕松掌握數(shù)據(jù)分析技能,可以在全網(wǎng)搜索書名進(jìn)行了解:
        瀏覽 81
        點(diǎn)贊
        評論
        收藏
        分享

        手機(jī)掃一掃分享

        分享
        舉報
        評論
        圖片
        表情
        推薦
        點(diǎn)贊
        評論
        收藏
        分享

        手機(jī)掃一掃分享

        分享
        舉報
        1. <strong id="7actg"></strong>
        2. <table id="7actg"></table>

        3. <address id="7actg"></address>
          <address id="7actg"></address>
          1. <object id="7actg"><tt id="7actg"></tt></object>
            操操操啊啊啊 | 成人高清无码 | 性爱无码在线 | 欧美日韩国产免费观看 | 男人的天堂视频网站 | 爆操女秘书 | 欧美性猛交XXXXⅩXX | 99re热re在线视频 | 男男吹潮视频chinese免费 | 三级久久久久 |