'분류 전체보기' 카테고리의 글 목록 (9 Page)
본문 바로가기

분류 전체보기
81

[LSTM] 7. 모델 평가 및 예측 내용학습된 모델로 예측하기변환 복원예측 값을 실제 데이터와 비교하여 플롯하기이전 강의에서는 데이터를 준비하고, 주가 예측을 위한 LSTM 모델을 구축하고 학습시켰습니다. 이제 학습된 모델을 사용하여 모델의 성능을 평가하고 예측을 수행할 차례입니다. 이 강의에서는 예측을 수행하고, 데이터를 원래 스케일로 복원한 후, 예측 결과를 실제 주가와 비교하여 플롯하는 방법을 안내합니다.학습된 모델로 예측하기모델 학습 후, 학습 데이터와 테스트 데이터 모두에 대해 예측을 수행하여 모델의 성능을 평가합니다.# 학습 데이터와 테스트 데이터를 사용하여 예측train_predict = model.predict(X_train)test_predict = model.predict(X_test)설명:예측 수행: 학습된 모델의 pr.. 2024. 6. 13.
[LSTM] 6. 모델 학습 내용:모델 학습학습 과정 모니터링이전 강의에서는 데이터를 준비하고, 학습 및 테스트 세트로 분할하며, 순차적인 LSTM 모델을 구축했습니다. 이제는 학습 데이터를 사용하여 LSTM 모델을 학습시키는 것에 집중하겠습니다. 모델 학습은 데이터를 모델에 입력하고, 손실 함수에 따라 모델의 가중치를 조정하며, 손실을 최소화하기 위해 이 과정을 반복하는 것을 포함합니다. 또한, 모델이 얼마나 잘 학습하고 있는지 이해하기 위해 학습 과정을 모니터링할 것입니다.모델 학습LSTM 모델을 학습시키는 것은 TensorFlow의 Keras API의 fit 메서드를 사용하는 것입니다. 이 메서드는 학습 데이터, 목표 값, 배치 크기 및 에포크 수를 요구합니다. 배치 크기는 모델의 내부 매개변수가 업데이트되기 전에 처리되는 샘.. 2024. 6. 13.
[LSTM] 5. LSTM 모델 구축 내용:순차 모델 설정LSTM 레이어와 Dense 레이어 추가모델 컴파일모델 요약이전 강의에서는 주가 데이터를 준비하고, 이를 학습 및 테스트 세트로 나눈 후 LSTM 모델 요구사항에 맞게 재구성했습니다. 이제 LSTM 모델을 구축하고 컴파일하여, 미래 주가를 예측할 수 있는 모델을 만들 차례입니다. 이 강의에서는 LSTM 모델의 아키텍처를 정의하고, 필요한 레이어를 추가하고, 모델을 컴파일하며, 구조를 이해하기 위해 모델을 요약하는 방법에 대해 설명합니다.Sequential Model 설정LSTM 모델 구축의 첫 번째 단계는 순차 모델을 설정하는 것입니다. TensorFlow의 Keras API에서 제공하는 Sequential 클래스를 사용하여 레이어의 선형 스택을 만듭니다.from tensorflow... 2024. 6. 13.
[LSTM] 4. 학습 및 테스트 세트 생성 내용:데이터를 학습과 테스트 세트로 나누기LSTM을 위한 데이터셋 생성 함수LSTM을 위한 데이터 재구성이전 강의에서는 환경 설정, 필수 라이브러리 설치, 주가 데이터 로드 및 전처리, 시각화를 통해 데이터의 특성을 이해했습니다. 이제 이 데이터를 학습 및 테스트 세트로 나누고 LSTM 모델을 위해 준비할 차례입니다. 이 단계는 모델이 과거 데이터를 학습하고 보지 못한 데이터로 예측 성능을 평가할 수 있도록 하는 데 중요합니다.데이터를 학습 및 테스트 세트로 나누기먼저 정규화된 데이터를 학습 세트와 테스트 세트 두 부분으로 나눠야 합니다. 학습 세트는 모델 학습에 사용되고, 테스트 세트는 모델 성능 평가에 사용됩니다.# 학습 및 테스트 세트 생성train_size = int(len(scaled_data).. 2024. 6. 13.

최근댓글

최근글

skin by © 2024 ttuttak

티스토리툴바