時系列予測入門

ライブ スクリプトを開く

この例では、Time Series Modelerアプリを使用して、時系列データをモデル化するためのシンプルな長短期記憶 (LSTM) ネットワークを作成する方法を示します。

時系列予測には、時間の経過とともに収集された以前の観測データ点に基づいて、将来の値を予測することが含まれます。再帰型ニューラル ネットワーク (例: LSTM ネットワークや GRU ネットワーク) やフィードフォワード ネットワーク (例: 多層パーセプトロンや畳み込みニューラル ネットワーク) などのアーキテクチャを使用して、時系列予測のために深層学習モデルに学習させることができます。

Time Series Modeler app. The app shows the predictions generated by a trained LSTM model against the true values.

データの読み込み

時系列モデルに学習させる場合、使用できる入力データは 2 種類あります。

  • 応答: 予測したい時系列。

  • 予測子: これらは、応答に影響を与える外部 (外生) 時系列ですが、予測したい対象ではありません。予測子はオプションであり、応答のみを使用して自己回帰モデルに学習させることができます。

サンプルのエンジン データを読み込みます。モデルは、4 つの予測子 (スロットル位置、ウェイストゲート バルブ面積、エンジン速度、および点火時期) を使用して、単一の応答であるエンジン トルクの値を予測することを学習します。

load SIEngineData

時系列モデラー アプリを開きます。[アプリ] ギャラリーで、[時系列モデラー] をクリックします。

アプリにデータをインポートするには、[新規] をクリックします。[データのインポート] ダイアログ ボックスが開きます。ダイアログ ボックスで、[データ] として [応答と予測子を別々の変数からインポート] を選択します。応答として responses 変数を選択します。予測子には、predictors 変数を選択します。データの 20% を検証に使用し、80% を学習に使用します。

[インポート] をクリックします。

Import data dialog box

アプリには、データ セットの概要と共に、応答と予測子の両方について、学習データと検証データにおける個別の観測値のプレビューが表示されます。学習データまたは検証データとなるデータ ソースを選択できるほか、プレビューする観測値を選択することもできます。

Data set summary and observation preview

モデルの選択

[モデル] ギャラリーから深層学習モデルを選択します。選択すべきモデルはタスクによって異なります。この例では、[LSTM (小)] を選択します。既定では、このネットワークに 4 つの層があります。アプリを使用して、ネットワークの深さと学習可能なパラメーター (隠れユニット) の数を変更できます。

Diagram of small LSTM network

モデルの学習

モデルに学習させるには、[学習] をクリックします。学習中、アプリは学習情報、平均絶対誤差 (MAE) と損失 (RMSE) のプロット、および学習診断を表示します。

Plot of the MAE and the loss against the interation. The MAE and loss both decrease as the number of iterations increases. The right panel shows information about the training, such as the elapsed time, iteration number, and learning rate.

モデルのテスト

モデルを使用して値を予測するには、[予測] をクリックします。選択された観測値について、アプリは実際の値と予測値を表示します。学習済みモデルの RMSE 値を確認することもできます。この値は、モデルが検証データに対してどの程度適切に機能するかを示します。

Plot of the responses against the predictions for each time step. The panel on the right shows the observation number, the number of time steps to predict, the RMSE, and the approximate prediction time.

モデルのエクスポート

学習済みのモデルのパフォーマンスが十分である場合、それをエクスポートし、新しいテスト データに対して使用できます。モデルをエクスポートし、テスト データの新しい値を予測するコードを生成するには、[エクスポート] をクリックします。

参考

| | | |

トピック