Python Colaboratory Ⅱ
時系列ディ－プラ－ニングⅡ
何とか Colab が使えるところまできました。
ここからは、時系列デ－タを使う機械学習についてさらに考えていきます。
時系列とは気温、株価、売上高、電力消費量など一定間隔の計測によって得られるデ－タのことです。
時系列関連のタスクのなかで最も一般的なのが予測です。
ここでは、為替変動に着目し
リカレント(再帰型)ニュ－ラルネットワ－ク(Recurrent Neural Network : RNN)
を使用して予測をしていきます。
RNN に関しては
時系列のためのディ－プラ－ニング
で詳しく説明しています。
参考にしてください。
Python RNN 豪ドル/円 予測
Python RNN で 豪ドル/円チャ－ト を探求してみたいと思います。
例として豪ドル/円の動きを格納した
CSV ファイル colab_mane_chart_go.csv
を利用し、それをチヤ－トグラフで表示し、そしてその後の価格変動を予測します。
豪ドル/円 CSV ファイルは
ここからダウンロ－ドできます。
Google Colaboratory で動かす Pythonプログラム のなかでファイルなどを読込みたい場合があります。
このようなときは、読込ませたいファイルを、あらかじめ Google ドライブにアップしておき、
そこから作成プログラムに読込みます。
まずは Google ドライブの \Colab Notebooks の中に \my_data を作成します。
□Colab Notebooks を右クリックして｢新しいフォルダ｣をクリック
my_data フォルダ (名前は適当です)
を作成します。
今回入手したファイル colab_mane_chart_go.csv
をファイルのアップロ－ド(右クリックで可能です)でこのフォルダに送出します。
この辺の説明は
CSV ファイルの読込
のなかでも同じようなことを説明していますので読み直してみてください。
Python RNN 豪ドル/円予測ファイル作成
Python RNN 豪ドル/円予測ファイルを一気に作成します。
CSV デ－タ timeseries_dataset 作成
～
全結合モデル結果表示ファイルまとめ
⇧ お急ぎの方はこちらを参照 ⇧
に書いてある内容をそのまま利用します。
変更する部分は５行目以降の
xl_df = pd.read_csv(
"drive/MyDrive/Colab Notebooks/my_data/colab-data.csv")
day = xl_df["Date"].values
raw_data0 = xl_df["Value"].values
⇩ ⇩ ⇩ ⇩ ⇩ ⇩ ⇩ ⇩
xl_df = pd.read_csv(
"drive/MyDrive/Colab Notebooks/my_data/colab_mane_chart_go.csv",
encoding="cp932")
raw_data0 = xl_df["終値(売り)"].values
だけです。
colab_mane_chart_go.csv には日本語が混じっていますので、encoding="cp932" を忘れずに！
ファイル名は keras-go-1.ipynb としました。
また、そのファイル内容は次頁に進むと見ることができます。