Python Colaboratory Ⅴ
Python CNN 豪ドル/円 予測
ここまでで CNN を使って時系列デ－タの予測ができるようになりました。
引き続き、Python CNN 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 で動かします。
過去 Python RNN 豪ドル/円 予測については
時系列ディ－プラ－ニングⅡ
～
RNN 豪ドル/円予測ファイルⅡの動作確認
のなかで説明してきました。
さらには、
Python LSTM 豪ドル/円 予測
のなかでも説明してきました。
これらを流用して CNN で豪ドル/円チャ－トを予測します。
とは言うもののこれらの内容は長文です。
忙しい方は、まずは
LSTM 豪ドル/円予測ファイル
を見てください。
このなかにある keras-go-lstm.ipynb ファイルを改造します。
LSTM ⇒ CNN
keras-go-lstm.ipynb は LSTM モデルで時系列予測をしています。
これを CNN モデルで予測するように変更します。
LSTM モデルの設定部分は
x = layers.LSTM(20, kernel_initializer='zeros')(inputs)
のように書いていました。
これを CNN モデルに変更します。
このモデルの作り方については
CNN (Convolutional Neural Network)の実現
のところで詳しく説明しています。
豪ドル/円予測するときはカ－ネルサイズは少し小さくするのがよいようです。
15 としました。
x = layers.Conv1D(7, 15, activation="tanh")(inputs) x = layers.MaxPooling1D(2)(x) x = layers.GlobalAveragePooling1D()(x)
モデル保存用ファイル名変更
ModelCheckpoint コ－ルバックで設定している
最も性能の良いモデルを保存する保存用ファイル名を
jena_dense_go.keras ⇒ jena_dense_go_cnn.keras
に変更します。
このファイルは predict メソッドを使用するときに呼び出すので
model = keras.models.load_model(
"drive/MyDrive/Colab Notebooks/my_data/jena_dense_go.keras")
⇩ ⇩ ⇩ ⇩
model = keras.models.load_model(
"drive/MyDrive/Colab Notebooks/my_data/jena_dense_go_cnn.keras")
とする必要があります。
動作結果ファイル名変更
予測チャ－トと予測値の保存ファイル名を変更します。
最後の部分に記述されています。
予測値 csv ファイル
colab_mane_chart_go_lstm.csv
⇩
colab_mane_chart_go_cnn.csv
予測チャ－ト図
colab_mane_chart_go_keras.png
⇩
colab_mane_chart_go_cnn.png
引き続きこれらの改造内容を keras-go-lstm.ipynb ファイルに適用、
keras-go-cnn.ipynb としてまとめます。