本文共 8314 字，大约阅读时间需要 27 分钟。
一、简介
上一篇中我们较为详细地铺垫了关于RNN及其变种LSTM的一些基本知识，也提到了LSTM在时间序列预测上优越的性能，本篇就将对如何利用tensorflow，在实际时间序列预测任务中搭建模型来完成任务，若你对RNN及LSTM不甚了解，请移步上一篇数据科学学习手札39;
二、数据说明及预处理
2.1 数据说明
我们本文使用到的第一个数据来自R中自带的数据集AirPassengers，这个数据集记录了Box & Jenkins航空公司1949-1960年共144个观测值（对应每个月的国际航线乘客数），是一个经典的时间序列数据集，你可以从R中导出或去uci的网站下载；
2.2 数据预处理
我们都知道，RNN最终经由tanh激活后输出的值位于[-1,1]内，若为分类任务则可以经由softmax进行处理，但我们这里要做的是对连续数值的预测，因此需要的输出即为tanh的输出，因此需要将原始数据进行尺度放缩，而尺度放缩的方法主要有两种，一种是极差规格化，即将原数据通过下面的公式无损地映射到[0,1]之间：
另一种是标准化，将原数据通过下面的公式转换为均值为0，标准差为1的服从正态分布的随机变量：
我们这里选择标准化（选极差规格化也可以，读者们可以自己尝试，我懒得写了。。。）；
三、模型建立及训练
数据预处理部分：
这一部分，我们完成原始数据的导入和预处理，为了配合之后的采样过程，这里选择列表作为预处理后原始数据的储存对象：
import numpy as npimport tensorflow as tffrom tensorflow.contrib import rnnimport matplotlib.pyplot as pltfrom tensorflow.contrib.learn.python.learn.estimators.estimator import SKCompatfrom matplotlib import styleimport pandas as pd'''读入原始数据并转为list'''path = 'C:\\Users\\windows\\Desktop\\'data = pd.read_csv(path+'AirPassenger.csv')data = data.iloc[:,0].tolist()'''自定义数据尺度缩放函数'''def data_processing(raw_data,scale=True): if scale == True: return (raw_data-np.mean(raw_data))/np.std(raw_data)#标准化 else: return (raw_data-np.min(raw_data))/(np.max(raw_data)-np.min(raw_data))#极差规格化
数据观察部分：
这一部分，我们需要初步观察到原数据的一些基本特性，以便确定之后的一些参数，如LSTM单元内一个时间步内的递归次数：
'''观察数据''''''设置绘图风格'''style.use('ggplot')plt.plot(data) 可以看出，我们的数据集具有很明显的周期性与上升趋势，下面就基于此，对LSTM的一些基本参数进行设置；
LSTM基本参数设置：
这里我们需要设置的参数有隐层层数，因为数据集比较简单，我们设置为1；隐层神经元个数，这里我随意设置为40个；时间步中递归次数，这里根据上面观察的结论，设置为12；训练轮数，这里也是随意设置的不宜过少，2000；训练批尺寸，这里随意设置为20，表示每一轮从训练集中抽出20组序列样本进行训练：
'''设置隐层神经元个数'''HIDDEN_SIZE = 40'''设置隐层层数'''NUM_LAYERS = 1'''设置一个时间步中折叠的递归步数'''TIMESTEPS = 12'''设置训练轮数'''TRAINING_STEPS = 2000'''设置训练批尺寸'''BATCH_SIZE = 20
生成训练集数据：
这里为了将原始的单变量时序数据处理成LSTM可以接受的数据类型（有X输入，有真实标签Y），我们通过自编函数，将原数据（144个）从第一个开始，依次采样长度为12的连续序列作为一个时间步内部的输入序列X，并采样其之后一期的数据作为一个Y，具体过程如下：
'''样本数据生成函数'''def generate_data(seq): X = []#初始化输入序列X Y= []#初始化输出序列Y '''生成连贯的时间序列类型样本集，每一个X内的一行对应指定步长的输入序列，Y内的每一行对应比X滞后一期的目标数值''' for i in range(len(seq) - TIMESTEPS - 1): X.append([seq[i:i + TIMESTEPS]])#从输入序列第一期出发，等步长连续不间断采样 Y.append([seq[i + TIMESTEPS]])#对应每个X序列的滞后一期序列值 return np.array(X, dtype=np.float32), np.array(Y, dtype=np.float32)
构造LSTM模型主体：
'''定义LSTM cell组件，该组件将在训练过程中被不断更新参数'''def LstmCell(): lstm_cell = rnn.BasicLSTMCell(HIDDEN_SIZE, state_is_tuple=True)# return lstm_cell'''定义LSTM模型'''def lstm_model(X, y): '''以前面定义的LSTM cell为基础定义多层堆叠的LSTM，我们这里只有1层''' cell = rnn.MultiRNNCell([LstmCell() for _ in range(NUM_LAYERS)]) '''将已经堆叠起的LSTM单元转化成动态的可在训练过程中更新的LSTM单元''' output, _ = tf.nn.dynamic_rnn(cell, X, dtype=tf.float32) '''根据预定义的每层神经元个数来生成隐层每个单元''' output = tf.reshape(output, [-1, HIDDEN_SIZE]) '''通过无激活函数的全连接层计算线性回归，并将数据压缩成一维数组结构''' predictions = tf.contrib.layers.fully_connected(output, 1, None) '''统一预测值与真实值的形状''' labels = tf.reshape(y, [-1]) predictions = tf.reshape(predictions, [-1]) '''定义损失函数，这里为正常的均方误差''' loss = tf.losses.mean_squared_error(predictions, labels) '''定义优化器各参数''' train_op = tf.contrib.layers.optimize_loss(loss, tf.contrib.framework.get_global_step(), optimizer='Adagrad', learning_rate=0.6) '''返回预测值、损失函数及优化器''' return predictions, loss, train_op'''载入tf中仿sklearn训练方式的模块'''learn = tf.contrib.learn'''初始化我们的LSTM模型，并保存到工作目录下以方便进行增量学习'''regressor = SKCompat(learn.Estimator(model_fn=lstm_model, model_dir='Models/model_2'))
训练部分：
'''对原数据进行尺度缩放'''data = data_processing(data)'''将所有样本来作为训练样本'''train_X, train_y = generate_data(data)'''将所有样本作为测试样本'''test_X, test_y = generate_data(data)'''以仿sklearn的形式训练模型，这里指定了训练批尺寸和训练轮数'''regressor.fit(train_X, train_y, batch_size=BATCH_SIZE, steps=TRAINING_STEPS)
评价部分：
这里我们将原数据（尺度缩放之后的）feed进我们已经训练好的模型中，得到对应的预测值：
'''利用已训练好的LSTM模型，来生成对应测试集的所有预测值'''predicted = np.array([pred for pred in regressor.predict(test_X)])'''绘制反标准化之前的真实值与预测值对比图'''plt.plot(predicted, label='预测值')plt.plot(test_y, label='真实值')plt.title('反标准化之前')plt.legend()plt.show() 可以看到，预测值与真实值非常的吻合，但这并不是我们需要的形式，我们需要的是反标准化后的真实数值，下面进行相关操作；
'''自定义反标准化函数'''def scale_inv(raw_data,scale=True): '''读入原始数据并转为list''' path = 'C:\\Users\\windows\\Desktop\\' data = pd.read_csv(path + 'AirPassenger.csv') data = data.iloc[:, 0].tolist() if scale == True: return raw_data*np.std(data)+np.mean(data) else: return raw_data*(np.max(data)-np.min(data))+np.min(data)'''绘制反标准化之前的真实值与预测值对比图'''plt.figure()plt.plot(scale_inv(predicted), label='预测值')plt.plot(scale_inv(test_y), label='真实值')plt.title('反标准化之后')plt.legend()plt.show() 实际使用中，若想利用已训练好的LSTM模型来预测未出现的下一期，则直接输入最后12步（这里是12步）即可得到未来的一步预测值，若想要获得更远更多期的预测值，则可以逐步将预测值积累起来，相当于用预测值当作真实发生的值进行预测，这样的坏处是越往后可能越不准，以上这个过程的完整代码如下：
import numpy as npimport tensorflow as tffrom tensorflow.contrib import rnnimport matplotlib.pyplot as pltfrom tensorflow.contrib.learn.python.learn.estimators.estimator import SKCompatfrom matplotlib import styleimport pandas as pd'''读入原始数据并转为list'''path = 'C:\\Users\\windows\\Desktop\\'data = pd.read_csv(path+'AirPassenger.csv')data = data.iloc[:,0].tolist()'''自定义数据尺度缩放函数'''def data_processing(raw_data,scale=True): if scale == True: return (raw_data-np.mean(raw_data))/np.std(raw_data)#标准化 else: return (raw_data-np.min(raw_data))/(np.max(raw_data)-np.min(raw_data))#极差规格化'''观察数据''''''设置绘图风格'''style.use('ggplot')plt.plot(data)'''设置隐层神经元个数'''HIDDEN_SIZE = 40'''设置隐层层数'''NUM_LAYERS = 1'''设置一个时间步中折叠的递归步数'''TIMESTEPS = 12'''设置训练轮数'''TRAINING_STEPS = 10000'''设置训练批尺寸'''BATCH_SIZE = 20'''样本数据生成函数'''def generate_data(seq): X = []#初始化输入序列X Y= []#初始化输出序列Y '''生成连贯的时间序列类型样本集，每一个X内的一行对应指定步长的输入序列，Y内的每一行对应比X滞后一期的目标数值''' for i in range(len(seq) - TIMESTEPS - 1): X.append([seq[i:i + TIMESTEPS]])#从输入序列第一期出发，等步长连续不间断采样 Y.append([seq[i + TIMESTEPS]])#对应每个X序列的滞后一期序列值 return np.array(X, dtype=np.float32), np.array(Y, dtype=np.float32)'''定义LSTM cell组件，该组件将在训练过程中被不断更新参数'''def LstmCell(): lstm_cell = rnn.BasicLSTMCell(HIDDEN_SIZE, state_is_tuple=True)# return lstm_cell'''定义LSTM模型'''def lstm_model(X, y): '''以前面定义的LSTM cell为基础定义多层堆叠的LSTM，我们这里只有1层''' cell = rnn.MultiRNNCell([LstmCell() for _ in range(NUM_LAYERS)]) '''将已经堆叠起的LSTM单元转化成动态的可在训练过程中更新的LSTM单元''' output, _ = tf.nn.dynamic_rnn(cell, X, dtype=tf.float32) '''根据预定义的每层神经元个数来生成隐层每个单元''' output = tf.reshape(output, [-1, HIDDEN_SIZE]) '''通过无激活函数的全连接层计算线性回归，并将数据压缩成一维数组结构''' predictions = tf.contrib.layers.fully_connected(output, 1, None) '''统一预测值与真实值的形状''' labels = tf.reshape(y, [-1]) predictions = tf.reshape(predictions, [-1]) '''定义损失函数，这里为正常的均方误差''' loss = tf.losses.mean_squared_error(predictions, labels) '''定义优化器各参数''' train_op = tf.contrib.layers.optimize_loss(loss, tf.contrib.framework.get_global_step(), optimizer='Adagrad', learning_rate=0.6) '''返回预测值、损失函数及优化器''' return predictions, loss, train_op'''载入tf中仿sklearn训练方式的模块'''learn = tf.contrib.learn'''初始化我们的LSTM模型，并保存到工作目录下以方便进行增量学习'''regressor = SKCompat(learn.Estimator(model_fn=lstm_model, model_dir='Models/model_2'))'''对原数据进行尺度缩放'''data = data_processing(data)'''将所有样本来作为训练样本'''train_X, train_y = generate_data(data)'''将所有样本作为测试样本'''test_X, test_y = generate_data(data)'''以仿sklearn的形式训练模型，这里指定了训练批尺寸和训练轮数'''regressor.fit(train_X, train_y, batch_size=BATCH_SIZE, steps=TRAINING_STEPS)'''利用已训练好的LSTM模型，来生成对应测试集的所有预测值'''predicted = np.array([pred for pred in regressor.predict(test_X)])'''绘制反标准化之前的真实值与预测值对比图'''plt.figure()plt.plot(predicted, label='预测值')plt.plot(test_y, label='真实值')plt.title('反标准化之前')plt.legend()plt.show()'''自定义反标准化函数'''def scale_inv(raw_data,scale=True): '''读入原始数据并转为list''' path = 'C:\\Users\\windows\\Desktop\\' data = pd.read_csv(path + 'AirPassenger.csv') data = data.iloc[:, 0].tolist() if scale == True: return raw_data*np.std(data)+np.mean(data) else: return raw_data*(np.max(data)-np.min(data))+np.min(data)'''绘制反标准化之前的真实值与预测值对比图'''plt.figure()plt.plot(scale_inv(predicted), label='预测值')plt.plot(scale_inv(test_y), label='真实值')plt.title('反标准化之后')plt.legend()plt.show()
以上就是本篇文章的全部内容，如有笔误或混淆不清之处，望指出。
转载地址：http://dlcuz.baihongyu.com/