1. データセットの前処理
1. データセットの紹介
トレーニング データ セット: temps.csv の無料ダウンロード リンク
データ セットには主に 348 個のサンプル、合計 8 個の独立変数と 1 個の従属変数が含まれています
独立変数 | 従属変数 |
---|---|
年: 年 | 実際: その日の実際の最高気温 |
月: 月 | |
day:日 | |
週: 週 | |
temp_1: 昨日の最高気温値 | |
temp_2: 一昨日の最高気温値 | |
平均: 歴史上、毎年この日の最高気温の平均値 | |
友達: 楽しみに参加するために友達が推測した可能性のある値 |
2. データセットの形式
Ⅰ ガイドパッケージ
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import torch
import torch.optim as optim
import datetime
Ⅱ データセットを読み込み、最初の 10 レコードを表示します
dataset = pd.read_csv('temps.csv')
print(dataset.shape) # (348, 9)
dataset.head(10)
Ⅲ 年、月、日の情報を取得して日時形式に変換し、最初の 10 件のレコードを表示します
日付には、予測気温の特定の年、月、日の情報が保存されます。
years = dataset['year'] # 获取数据集中的year列
months = dataset['month'] # 获取数据集中的month列
days = dataset['day'] # 获取数据集中的day列
# datetime格式
dates = [str(int(year)) + '-' + str(int(month)) + '-' + str(int(day)) for year, month, day in zip(years, months, days)]
dates[:10]
"""
['2016-1-1',
'2016-1-2',
'2016-1-3',
'2016-1-4',
'2016-1-5',
'2016-1-6',
'2016-1-7',
'2016-1-8',
'2016-1-9',
'2016-1-10']
"""
dates = [datetime.datetime.strptime(date, '%Y-%m-%d') for date in dates]
dates[:10]
"""
[datetime.datetime(2016, 1, 1, 0, 0),
datetime.datetime(2016, 1, 2, 0, 0),
datetime.datetime(2016, 1, 3, 0, 0),
datetime.datetime(2016, 1, 4, 0, 0),
datetime.datetime(2016, 1, 5, 0, 0),
datetime.datetime(2016, 1, 6, 0, 0),
datetime.datetime(2016, 1, 7, 0, 0),
datetime.datetime(2016, 1, 8, 0, 0),
datetime.datetime(2016, 1, 9, 0, 0),
datetime.datetime(2016, 1, 10, 0, 0)]
"""
Ⅳ X 軸は日付、Y 軸は別の日の予測気温です。
plt.subplots(nrows=2, ncols=2, figsize = (20,20))
2行2列、画像サイズ20*20
fig.autofmt_xdate(rotation = 0)
X軸のフォント回転角、つまり日付に対応する年月日情報の回転角です。ここでは0°です。例: 2016- 01などを横に表示
ax1.plot(dates, dataset['actual'])
X 軸は日付 (年、月、日)、Y 軸は実際 (実際の実際の温度値) です。X 軸の
ax1.set_xlabel(''); ax1.set_ylabel('Temperature'); ax1.set_title('Actual Max Temp')
ラベルは空、Y 軸のラベルは温度、全体のタイトルは実際です最高温度
他は同じ
plt.tight_layout(pad=1, h_pad=1, w_pad=1)
Pad: グラフのエッジとサブグラフのエッジ間のパディング
h_pad、w_pad: 隣接するサブグラフのエッジ間のパディング (高さ/幅)
# 准备画图
# 指定默认风格
plt.style.use('fivethirtyeight')
# 设置布局
fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(nrows=2, ncols=2, figsize = (20,20))# 2行 2列 画布大小为20*20
fig.autofmt_xdate(rotation = 0) # X轴的字体旋转角度,也就是dates所对应的信息显示旋转角度,这里是0°,水平显示
# 标签值
ax1.plot(dates, dataset['actual'])
ax1.set_xlabel(''); ax1.set_ylabel('Temperature'); ax1.set_title('Actual Max Temp')
# 昨天
ax2.plot(dates, dataset['temp_1'])
ax2.set_xlabel(''); ax2.set_ylabel('Temperature'); ax2.set_title('Previous Max Temp')
# 前天
ax3.plot(dates, dataset['temp_2'])
ax3.set_xlabel('Date'); ax3.set_ylabel('Temperature'); ax3.set_title('Two Days Prior Max Temp')
# 朋友预测
ax4.plot(dates, dataset['friend'])
ax4.set_xlabel('Date'); ax4.set_ylabel('Temperature'); ax4.set_title('Friend Estimate')
plt.tight_layout(pad=1, h_pad=1, w_pad=1)
Ⅴ 非数値特徴のワンホットエンコーディング
データセット内の週の特徴は数値ではないため、ワンホット エンコーディングによって変換されます。
このとき、ラベルは実際の列の特徴であり、これが最終的な実際の結果です。データセットは実際の列の特徴を削除し
、最後にデータセット dataset配列形式に変換する
# 标签
labels = np.array(dataset['actual'])
# 在特征中去掉标签
dataset= dataset.drop('actual', axis = 1)
# 名字单独保存一下,以备后患
dataset_list = list(dataset.columns)
# 转换成合适的格式
dataset = np.array(dataset)
dataset.shape # (348, 14)
Ⅵ 標準化
データセット内の月の一部は 1 であり、temp_1 などの他の機能は 45 など、サイズが大きく異なるため、標準に従って処理する必要があります。sklearn には標準化するための特別な前処理モジュールがあります。これにより
、後続の予測結果がより速く収束し、収束損失の値が比較的小さくなります。
StandardScaler は、各特徴の平均値が 0 であり、分散が 1 であることを保証します。
from sklearn import preprocessing
input_dataset = preprocessing.StandardScaler().fit_transform(dataset)
input_dataset[0]
"""
array([ 0. , -1.5678393 , -1.65682171, -1.48452388, -1.49443549,
-1.3470703 , -1.98891668, 2.44131112, -0.40482045, -0.40961596,
-0.40482045, -0.40482045, -0.41913682, -0.40482045])
"""
これまでのところ、データセットの前処理は完了しており、データセットのロード、モデルの構築、およびその後のモデルのトレーニングの操作が開始されます。
最終的に処理されたデータセットはinput_datasetです
Ⅶ 完全なコード
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import torch
import torch.optim as optim
import datetime
from sklearn import preprocessing
dataset = pd.read_csv('temps.csv')
#print(dataset.shape)
#dataset.head(10)
years = dataset['year']
months = dataset['month']
days = dataset['day']
# datetime格式
dates = [str(int(year)) + '-' + str(int(month)) + '-' + str(int(day)) for year, month, day in zip(years, months, days)]
#dates[:10]
dates = [datetime.datetime.strptime(date, '%Y-%m-%d') for date in dates]
#dates[:10]
# 准备画图
# 指定默认风格
plt.style.use('fivethirtyeight')
# 设置布局
fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(nrows=2, ncols=2, figsize = (20,20))# 2行 2列 画布大小为20*20
fig.autofmt_xdate(rotation = 0)
# 标签值
ax1.plot(dates, dataset['actual'])
ax1.set_xlabel(''); ax1.set_ylabel('Temperature'); ax1.set_title('Actual Max Temp')
# 昨天
ax2.plot(dates, dataset['temp_1'])
ax2.set_xlabel(''); ax2.set_ylabel('Temperature'); ax2.set_title('Previous Max Temp')
# 前天
ax3.plot(dates, dataset['temp_2'])
ax3.set_xlabel('Date'); ax3.set_ylabel('Temperature'); ax3.set_title('Two Days Prior Max Temp')
# 朋友预测
ax4.plot(dates, dataset['friend'])
ax4.set_xlabel('Date'); ax4.set_ylabel('Temperature'); ax4.set_title('Friend Estimate')
plt.tight_layout(pad=1, h_pad=1, w_pad=1)
#dataset
# 独热编码
dataset = pd.get_dummies(dataset)
#dataset.head(5)
# 标签
labels = np.array(dataset['actual'])
# 在特征中去掉标签
dataset= dataset.drop('actual', axis = 1)
# 名字单独保存一下,以备后患
dataset_list = list(dataset.columns)
# 转换成合适的格式
dataset = np.array(dataset)
#dataset.shape
input_dataset = preprocessing.StandardScaler().fit_transform(dataset)
#input_dataset[0]
2. ネットワークモデルを構築する手順
1. データセットをロードする
この時点ではデータセットinput_dataset は配列形式であり、PyTorch トレーニングで使用されるデータ型はtensorであるため、上記で定義された
ラベルを実際の実際の温度に変換する必要があります。これが最終的な正しい結果です。y値
x = torch.tensor(input_dataset,dtype=float)
y = torch.tensor(labels,dtype=float)
2. ネットワークモデルの構築
2.1 従来法
ここでは、モデルを構築するための例として 2 層の隠れ層ネットワークを取り上げ、
ここに私自身の理解を挿入します。
x = torch.tensor(input_dataset, dtype = float)
y = torch.tensor(labels, dtype = float)
# 权重参数初始化
weights = torch.randn((14, 128), dtype = float, requires_grad = True)
biases = torch.randn(128, dtype = float, requires_grad = True)
weights2 = torch.randn((128, 1), dtype = float, requires_grad = True)
biases2 = torch.randn(1, dtype = float, requires_grad = True)
learning_rate = 0.001
losses = []
for i in range(1000):
# 计算隐层
hidden = x.mm(weights) + biases
# 加入激活函数
hidden = torch.relu(hidden)
# 预测结果
predictions = hidden.mm(weights2) + biases2
# 通计算损失
loss = torch.mean((predictions - y) ** 2)
losses.append(loss.data.numpy())
# 打印损失值
if i % 100 == 0:
print('loss:', loss)
#返向传播计算
loss.backward()
#更新参数
weights.data.add_(- learning_rate * weights.grad.data)
biases.data.add_(- learning_rate * biases.grad.data)
weights2.data.add_(- learning_rate * weights2.grad.data)
biases2.data.add_(- learning_rate * biases2.grad.data)
# 每次迭代都得记得清空
weights.grad.data.zero_()
biases.grad.data.zero_()
weights2.grad.data.zero_()
biases2.grad.data.zero_()
#predictions.shape
2.2 簡単な方法
input_size = input_dataset.shape[1]
hidden_size = 128
output_size = 1
batch_size = 16
my_nn = torch.nn.Sequential(
torch.nn.Linear(input_size, hidden_size),
torch.nn.Sigmoid(),
torch.nn.Linear(hidden_size, output_size),
)
cost = torch.nn.MSELoss(reduction='mean')
optimizer = torch.optim.Adam(my_nn.parameters(), lr = 0.001)
# 训练网络
losses = []
for i in range(1000):
batch_loss = []
# MINI-Batch方法来进行训练
for start in range(0, len(input_dataset), batch_size):
end = start + batch_size if start + batch_size < len(input_dataset) else len(input_dataset)
xx = torch.tensor(input_dataset[start:end], dtype = torch.float, requires_grad = True)
yy = torch.tensor(labels[start:end], dtype = torch.float, requires_grad = True)
prediction = my_nn(xx)
loss = cost(prediction, yy)
optimizer.zero_grad()
loss.backward(retain_graph=True)
optimizer.step()
batch_loss.append(loss.data.numpy())
# 打印损失
if i % 100==0:
losses.append(np.mean(batch_loss))
print(i, np.mean(batch_loss))
3. モデル予測結果
x = torch.tensor(input_dataset, dtype = torch.float)
predict = my_nn(x).data.numpy()
# 转换日期格式
dates = [str(int(year)) + '-' + str(int(month)) + '-' + str(int(day)) for year, month, day in zip(years, months, days)]
dates = [datetime.datetime.strptime(date, '%Y-%m-%d') for date in dates]
# 创建一个表格来存日期和其对应的标签数值
true_data = pd.DataFrame(data = {
'date': dates, 'actual': labels})
# 同理,再创建一个来存日期和其对应的模型预测值
months = dataset[:, dataset_list .index('month')]
days = dataset[:, dataset_list .index('day')]
years = dataset[:, dataset_list .index('year')]
test_dates = [str(int(year)) + '-' + str(int(month)) + '-' + str(int(day)) for year, month, day in zip(years, months, days)]
test_dates = [datetime.datetime.strptime(date, '%Y-%m-%d') for date in test_dates]
predictions_data = pd.DataFrame(data = {
'date': test_dates, 'prediction': predict.reshape(-1)})
4. 図面表示
# 真实值
plt.plot(true_data['date'], true_data['actual'], 'b-', label = 'actual')
# 预测值
plt.plot(predictions_data['date'], predictions_data['prediction'], 'ro', label = 'prediction')
plt.xticks(rotation = 30);
plt.legend()
# 图名
plt.xlabel('Date'); plt.ylabel('Maximum Temperature (F)'); plt.title('Actual and Predicted Values');
5、完全なコード
1. データセットの前処理、ネットワークモデルの構築、モデルのトレーニング
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import torch
import torch.optim as optim
import datetime
from sklearn import preprocessing
dataset = pd.read_csv('temps.csv')
#print(dataset.shape)
#dataset.head(10)
years = dataset['year']
months = dataset['month']
days = dataset['day']
# datetime格式
dates = [str(int(year)) + '-' + str(int(month)) + '-' + str(int(day)) for year, month, day in zip(years, months, days)]
#dates[:10]
dates = [datetime.datetime.strptime(date, '%Y-%m-%d') for date in dates]
#dates[:10]
# 准备画图
# 指定默认风格
plt.style.use('fivethirtyeight')
# 设置布局
fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(nrows=2, ncols=2, figsize = (20,20))# 2行 2列 画布大小为20*20
fig.autofmt_xdate(rotation = 0)
# 标签值
ax1.plot(dates, dataset['actual'])
ax1.set_xlabel(''); ax1.set_ylabel('Temperature'); ax1.set_title('Actual Max Temp')
# 昨天
ax2.plot(dates, dataset['temp_1'])
ax2.set_xlabel(''); ax2.set_ylabel('Temperature'); ax2.set_title('Previous Max Temp')
# 前天
ax3.plot(dates, dataset['temp_2'])
ax3.set_xlabel('Date'); ax3.set_ylabel('Temperature'); ax3.set_title('Two Days Prior Max Temp')
# 朋友预测
ax4.plot(dates, dataset['friend'])
ax4.set_xlabel('Date'); ax4.set_ylabel('Temperature'); ax4.set_title('Friend Estimate')
plt.tight_layout(pad=1, h_pad=1, w_pad=1)
#dataset
# 独热编码
dataset = pd.get_dummies(dataset)
#dataset.head(5)
# 标签
labels = np.array(dataset['actual'])
# 在特征中去掉标签
dataset= dataset.drop('actual', axis = 1)
# 名字单独保存一下,以备后患
dataset_list = list(dataset.columns)
# 转换成合适的格式
dataset = np.array(dataset)
#dataset.shape
input_dataset = preprocessing.StandardScaler().fit_transform(dataset)
#input_dataset[0]
# 模型搭建
input_size = input_dataset.shape[1]
hidden_size = 128
output_size = 1
batch_size = 16
my_nn = torch.nn.Sequential(
torch.nn.Linear(input_size, hidden_size),
torch.nn.Sigmoid(),
torch.nn.Linear(hidden_size, output_size),
)
cost = torch.nn.MSELoss(reduction='mean')
optimizer = torch.optim.Adam(my_nn.parameters(), lr = 0.001)
# 训练网络
losses = []
for i in range(1000):
batch_loss = []
# MINI-Batch方法来进行训练
for start in range(0, len(input_dataset), batch_size):
end = start + batch_size if start + batch_size < len(input_dataset) else len(input_dataset)
xx = torch.tensor(input_dataset[start:end], dtype = torch.float, requires_grad = True)
yy = torch.tensor(labels[start:end], dtype = torch.float, requires_grad = True)
prediction = my_nn(xx)
loss = cost(prediction, yy)
optimizer.zero_grad()
loss.backward(retain_graph=True)
optimizer.step()
batch_loss.append(loss.data.numpy())
# 打印损失
if i % 100==0:
losses.append(np.mean(batch_loss))
print(i, np.mean(batch_loss))
2. モデル予測と予測結果表示
# 模型预测
x = torch.tensor(input_dataset, dtype = torch.float)
predict = my_nn(x).data.numpy()
# 转换日期格式
dates = [str(int(year)) + '-' + str(int(month)) + '-' + str(int(day)) for year, month, day in zip(years, months, days)]
dates = [datetime.datetime.strptime(date, '%Y-%m-%d') for date in dates]
# 创建一个表格来存日期和其对应的标签数值
true_data = pd.DataFrame(data = {
'date': dates, 'actual': labels})
# 同理,再创建一个来存日期和其对应的模型预测值
months = dataset[:, dataset_list .index('month')]
days = dataset[:, dataset_list .index('day')]
years = dataset[:, dataset_list .index('year')]
test_dates = [str(int(year)) + '-' + str(int(month)) + '-' + str(int(day)) for year, month, day in zip(years, months, days)]
test_dates = [datetime.datetime.strptime(date, '%Y-%m-%d') for date in test_dates]
predictions_data = pd.DataFrame(data = {
'date': test_dates, 'prediction': predict.reshape(-1)})
#绘图展示
# 真实值
plt.plot(true_data['date'], true_data['actual'], 'b-', label = 'actual')
# 预测值
plt.plot(predictions_data['date'], predictions_data['prediction'], 'ro', label = 'prediction')
plt.xticks(rotation = 30);
plt.legend()
# 图名
plt.xlabel('Date'); plt.ylabel('Maximum Temperature (F)'); plt.title('Actual and Predicted Values');