আমি সবেমাত্র কেরাসের সাথে এই এলএসটিএম নিউরাল নেটওয়ার্কটি তৈরি করেছি
import numpy as np
import pandas as pd
from sklearn import preprocessing
from keras.layers.core import Dense, Dropout, Activation
from keras.activations import linear
from keras.layers.recurrent import LSTM
from keras.models import Sequential
from matplotlib import pyplot
#read and prepare data from datafile
data_file_name = "DailyDemand.csv"
data_csv = pd.read_csv(data_file_name, delimiter = ';',header=None, usecols=[1,2,3,4,5])
yt = data_csv[1:]
data = yt
data.columns = ['MoyenneTransactHier', 'MaxTransaction', 'MinTransaction','CountTransaction','Demand']
# print (data.head(10))
pd.options.display.float_format = '{:,.0f}'.format
data = data.dropna ()
y=data['Demand'].astype(int)
cols=['MoyenneTransactHier', 'MaxTransaction', 'MinTransaction','CountTransaction']
x=data[cols].astype(int)
#scaling data
scaler_x = preprocessing.MinMaxScaler(feature_range =(-1, 1))
x = np.array(x).reshape ((len(x),4 ))
x = scaler_x.fit_transform(x)
scaler_y = preprocessing.MinMaxScaler(feature_range =(-1, 1))
y = np.array(y).reshape ((len(y), 1))
y = scaler_y.fit_transform(y)
print("longeur de y",len(y))
# Split train and test data
train_end = 80
x_train=x[0: train_end ,]
x_test=x[train_end +1: ,]
y_train=y[0: train_end]
y_test=y[train_end +1:]
x_train=x_train.reshape(x_train.shape +(1,))
x_test=x_test.reshape(x_test.shape + (1,))
print("Data well prepared")
print ('x_train shape ', x_train.shape)
print ('y_train', y_train.shape)
#Design the model - LSTM Network
seed = 2016
np.random.seed(seed)
fit1 = Sequential ()
fit1.add(LSTM(
output_dim = 4,
activation='tanh',
input_shape =(4, 1)))
fit1.add(Dense(output_dim =1))
fit1.add(Activation(linear))
#rmsprop or sgd
batchsize = 1
fit1.compile(loss="mean_squared_error",optimizer="rmsprop")
#train the model
fit1.fit(x_train , y_train , batch_size = batchsize, nb_epoch =20, shuffle=True)
print(fit1.summary ())
#Model error
score_train = fit1.evaluate(x_train ,y_train ,batch_size =batchsize)
score_test = fit1.evaluate(x_test , y_test ,batch_size =batchsize)
print("in train MSE = ",round(score_train,4))
print("in test MSE = ",round(score_test ,4))
#Make prediction
pred1=fit1.predict(x_test)
pred1 = scaler_y.inverse_transform(np.array(pred1).reshape ((len(pred1), 1)))
real_test = scaler_y.inverse_transform(np.array(y_test).reshape ((len(y_test), 1))).astype(int)
#save prediction
testData = pd.DataFrame(real_test)
preddData = pd.DataFrame(pred1)
dataF = pd.concat([testData,preddData], axis=1)
dataF.columns =['Real demand','Predicted Demand']
dataF.to_csv('Demandprediction.csv')
pyplot.plot(pred1, label='Forecast')
pyplot.plot(real_test,label='Actual')
pyplot.legend()
pyplot.show()তারপরে এটি এই ফলাফলটি তৈরি করে:
Historicalতিহাসিক তথ্যগুলিতে একটি ভাল মডেল তৈরি এবং প্রশিক্ষণের পরে, আমি জানি না যে আমি কীভাবে ভবিষ্যতের মানগুলির পূর্বাভাস তৈরি করতে পারি? উদাহরণস্বরূপ পরবর্তী 10 দিনের চাহিদা। তথ্য প্রতিদিন হয়।
নোট: এটি কীভাবে ডেটা আকৃতির হয় তার একটি উদাহরণ, সবুজ হল লেবেল এবং হলুদ বৈশিষ্ট্যগুলি are
পরে dropna()(ডিলিট নাল মান) এটি 100 ডেটা সারি থাকে, আমি প্রশিক্ষণ 80 এবং পরীক্ষা 20 ব্যবহার করেছি।
আপনি যখন আপনার সময়ের সিরিজটি ভাঙবেন তখন আপনার কতটি উদাহরণ রয়েছে?
—
JahKnows
দুঃখিত স্যার, আমি আপনাকে পাইনি, আপনি আরও ব্যাখ্যা করতে পারেন? আপনাকে ধন্যবাদ
—
Nbenz
পূর্বাভাস সমস্যার জন্য আপনার ডেটা পুনর্গঠন করার পরে, আপনার কাছে কত লাইনের উদাহরণ রয়েছে?
—
JahKNows
আপনি কি আমাকে একক পয়েন্টের ক্রম দিতে পারেন এবং আমি আপনাকে সেগুলির সাথে কীভাবে পূর্বাভাস করতে হবে তা দেখাব।
—
JahKNows
ডেটা ফর্ম্যাট এবং আকৃতির উদাহরণ যোগ করে আপনি যে প্রশ্নটি সম্পাদনা করেছি তা আপনি আবার পরীক্ষা করতে পারেন। ধন্যবাদ
—
Nbenz
