[ML] Multiple Input Series - Multivariate CNN Models

GITHUB

https://github.com/yiwonjae/Project_Lotto/blob/master/Book_001/p096.py

 

0. 목표

data가 두가지 종류가 있다.

현재 포함 과거 data 총 3단계를 바탕으로 예측되는 data를 산출한다.

input data

10, 15
20, 25
30, 35

 

prediction data

65

1. DATA

in_seq1 = np.asarray([10, 20, 30, 40, 50, 60, 70, 80, 90])
in_seq2 = np.asarray([15, 25, 35, 45, 55, 65, 75, 85, 95])
out_seq = np.asarray([in_seq1[i]+in_seq2[i] for i in range(len(in_seq1))])

in_seq1 = in_seq1.reshape((in_seq1.shape[0], 1))
in_seq2 = in_seq2.reshape((in_seq2.shape[0], 1))
out_seq = out_seq.reshape((out_seq.shape[0], 1))

dataset = np.hstack((in_seq1, in_seq2, out_seq))

가상의 data를 만드는 것으로 특별한 의미가 있는건 아니다.

개념을 설명하기 위한 장치이다.

reshape(,1)의 목적

hstack의 사용 목적

 

2. DATA 정제

X

from numpy import ndarray
import numpy as np


def split_sequence(sequence:list, n_steps)->(ndarray, ndarray):

    x, y = [], []

    for i in range(len(sequence)):

        if(i+n_steps>len(sequence)):
            break

        x.append(sequence[i:i+n_steps, 0:2])
        y.append(sequence[i+n_steps-1, -1])

    return (np.asarray(x), np.asarray(y))


n_steps = 3

(x, y) = split_sequence(dataset, n_steps)

n_feature = x.shape[2] # 종류

 

Y

 

3. 학습

from keras import Sequential
from keras.layers import Dense, Conv1D, MaxPool1D, Flatten

model = Sequential()
model.add(Conv1D(64, 2, activation='relu', input_shape=(n_steps, n_feature))) #multivariate
model.add(MaxPool1D())
model.add(Flatten())
model.add(Dense(50, activation='relu'))
model.add(Dense(1))
model.compile(loss='mse', optimizer='adam')

model.fit(x, y, epochs=2000, verbose=1)

 

4. 표시

x_input = np.asarray([[80,85],[90,95],[100, 105]])  # 205 나올 것으로 예측
x_input = x_input.reshape((1, n_steps, n_feature))

yhat = model.predict(x_input)

print(yhat) #[[206.04001]]