Python Colaboratory Ⅴ

Python CNN 豪ドル/円4時間足予測

ここまでで CNN 豪ドル/円 予測(日足レベル)ができるようになりました。
引き続き、LSTM 豪ドル/円4時間足予測を探求してみたいと思います。
例として豪ドル/円4時間足の動きを格納した
CSV ファイル colab_mane_chart_go_4h.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。
類似の豪ドル/円4時間足予測については最も近い予測ファイルを
RNN 豪ドル/円 4時間足予測
  ~
RNN 豪ドル/円 4時間足予測表示ファイル動作確認
の中で説明してきました。
忙しい方は
RNN 豪ドル/円 4時間足予測表示ファイル
を見てください。
さらにお急ぎの方は Python LSTM 豪ドル/円4時間足予測
を見て、さらに
LSTM 豪ドル/円 4時間足予測表示ファイル
を見てください。
このなかに
keras-go-lstm-4h.ipynb ファイル
がありますので、これを改造して
CNN 豪ドル/円4時間足予測ファイル
keras-go-cnn-4h.ipynb
を作成していきます。

LSTM モデル(4時間足) ⇒ CNN モデル(4時間足)

keras-go-lstm-4h.ipynb は LSTM モデル(4時間足)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

inputs = keras.Input(shape=(sequence_length, 1))
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。

inputs = keras.Input(shape=(sequence_length, 1))
x = layers.Conv1D(7, 15, activation="tanh")(inputs)
x = layers.MaxPooling1D(2)(x)
x = layers.GlobalAveragePooling1D()(x)
# カ-ネルサイズは 15 に微調整

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_lstm_4h.keras ⇒ jena_dense_cnn_4h.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_lstm_4h.keras")
   ⇩     ⇩    ⇩     ⇩ 
model = keras.models.load_model(
  "drive/MyDrive/Colab Notebooks/my_data/jena_dense_cnn_4h.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_4h.csv
  ⇩
colab_mane_chart_go_cnn_4h.csv

予測チャ-ト図
colab_mane_chart_go_lstm_4h.png
  ⇩
colab_mane_chart_go_cnn_4h.png

引き続きこれらの改造内容を keras-go-lstm-4h.ipynb ファイルに適用
keras-go-cnn-4h.ipynb としてまとめます。


  • CNN 豪ドル/円4時間足予測ファイル に進む
  • CNN 豪ドル/円 予測ファイル動作結果後半 に戻る
  • CNN 豪ドル/円 予測ファイル動作確認 に戻る
  • CNN 豪ドル/円 予測ファイル に戻る
  • Python CNN 豪ドル/円 予測 に戻る
  • CNN モデルファイル動作結果後半 に戻る
  • CNN モデルファイル動作結果 に戻る
  • CNN モデルファイルまとめ に戻る
  • CNN (Convolutional Neural Network)の実現 に戻る
  • CNN(Convolutional Neural Network)概要 に戻る
  • 70VPS に戻る