Python Colaboratory Ⅱ

RNN 豪ドル/円予測ファイルの動作結果3

RNN 豪ドル/円予測ファイル keras-go-1.ipynb の動作検証をさらに進めます。

  • Python RNN 豪ドル/円予測ファイル結果3
  • 上記結果内容を詳しく見ていきます。

    1. Epoch 1/40   3/3

      訓練を繰り返す回数-エポック数は
      epochs=40
      と設定しました。
      よって、・・・・ 33/40・・・40/40 と表示されました。
      そして訓練デ-タセットとして Input される train_dataset は batch_size=32 ごとに配列のなかで分割されているので
      20×32 + 20×32 + 20×16
      の3分割されています。
      よって 3/3 の処理をしたと表示されます。

    2. 処理時間

      1 Epoch 当たりの処理時間は 40ms かかったことがわかります。
      全体でも 2~3 秒といったところでしょうか。
      まずまずの処理時間といえると思います。

    3. 損失値

      loss, mae, val_loss, val_mae
      の値がエポック数が増えるにつれ順調に下がっています。
      EarlyStopping コ-ルバックで 監視する損失関数名 loss の値に val_loss を指定しました。
      monitor="val_loss"
      そして、悪化回数を
      patience=2
      としました。
      しかし 監視する損失関数は悪化することがなく EarlyStopping は成立せず 最後の40回目でエポックは終了しています。

    4. future_test 最初の配列値

      future_test の最初は
      test_dataset の最後の配列 End test
      各標準偏差値 raw_data の最後の No81~No100 の値と
      同じです。

    5. 予測値確認

      test_dataset のラスト test_dataset[-1:] のデ-タで予測した
      pre[-1:] の値 0.8525973 と
      future_test の最初 future_test[0] のデ-タで予測した
      future_result[0] の値 0.8525973 が
      同じであることが確認できます。

    RNN 豪ドル/円予測ファイルの動作結果4

  • Python RNN 豪ドル/円予測ファイル結果4
    1. 予測値プロット

      テストデ-タによる予測値を青色、5つ先の追加予測値を橙色でプロットしたものが表示されます。[プロットA]

    2. 標準偏差値を元の値に変換

      ここまでで表示している予測値(標準偏差値)をすべてに元の値に変換したものが pre_chg1 です。
      そして、5の追加予測値も元の値に変換戻します。⇒f_result
      pre_chg1 を橙色、f_result を緑色、元デ-タを青色でプロットしたものが表示されます。[プロットB]


    ここまでで、RNN 豪ドル/円予測ができるようになりました。
    引き続き、この予測図の元デ-タをロ-ソク足表示に変更していきます。


  • RNN 豪ドル/円予測ファイルⅡ作成 に進む
  • RNN 豪ドル/円予測ファイルの動作確認 に戻る
  • Python RNN 豪ドル/円予測ファイル に戻る
  • 時系列ディ-プラ-ニングⅡ に戻る
  • 70VPS に戻る