Cómo actualizar las redes LSTM durante el entrenamiento para el pronóstico de series de tiempo

Cómo actualizar las redes LSTM durante el entrenamiento para el pronóstico de series de tiempo

Una ventaja de utilizar modelos de redes neuronales para el pronóstico de series de tiempo es que las ponderaciones se pueden actualizar a medida que se dispone de nuevos datos.

En este tutorial, descubrirá cómo puede actualizar una red neuronal recurrente Long Short-Term Memory (LSTM) con nuevos datos para el pronóstico de series de tiempo.

Después de completar este tutorial, sabrá:

  • Cómo actualizar una red neuronal LSTM con nuevos datos.
  • Cómo desarrollar un arnés de prueba para evaluar diferentes esquemas de actualización.
  • Cómo interpretar los resultados de la actualización de redes LSTM con nuevos datos.

Pon en marcha tu proyecto con mi nuevo libro Deep Learning for Time Series Forecasting, que incluye tutoriales paso a paso y el Código fuente de Python archivos para todos los ejemplos.

Empecemos.

  • Actualizado en Abr / 2017: Se agregó la función update_model () que faltaba.
  • Actualizado Abr / 2019: Se actualizó el enlace al conjunto de datos.
Cómo actualizar las redes LSTM durante el entrenamiento para el pronóstico de series de tiempo

Cómo actualizar las redes LSTM durante el entrenamiento para el pronóstico de series de tiempo
Foto de Esteban Alvarez, algunos derechos reservados.

Descripción general del tutorial

Este tutorial está dividido en 9 partes. Son:

  1. Conjunto de datos de ventas de champú
  2. Arnés de prueba experimental
  3. Experimento: sin actualizaciones
  4. Experimento: 2 épocas de actualización
  5. Experimento: 5 épocas de actualización
  6. Experimento: 10 épocas de actualización
  7. Experimento: 20 épocas de actualización
  8. Experimento: 50 épocas de actualización
  9. Comparación de resultados

Ambiente

Este tutorial asume que tiene un entorno Python SciPy instalado. Puede usar Python 2 o 3 con este ejemplo.

Este tutorial asume que tienes Keras v2.0 o superior instalado con el backend de TensorFlow o Theano.

Este tutorial también asume que tiene instalados scikit-learn, Pandas, NumPy y Matplotlib.

Si necesita ayuda para configurar su entorno Python, consulte esta publicación:

Conjunto de datos de ventas de champú

Este conjunto de datos describe el número mensual de ventas de champú durante un período de 3 años.

Las unidades son un recuento de ventas y hay 36 observaciones. El conjunto de datos original se atribuye a Makridakis, Wheelwright y Hyndman (1998).

El siguiente ejemplo carga y crea un gráfico del conjunto de datos cargado.

Al ejecutar el ejemplo, se carga el conjunto de datos como una serie Pandas e imprime las primeras 5 filas.

A continuación, se crea un gráfico de líneas de la serie que muestra una clara tendencia creciente.

Gráfico de línea del conjunto de datos de ventas de champú

Gráfico de línea del conjunto de datos de ventas de champú

A continuación, veremos la configuración de LSTM y el arnés de prueba utilizado en el experimento.

¿Necesita ayuda con Deep Learning para series temporales?

Realice ahora mi curso intensivo gratuito de 7 días por correo electrónico (con código de muestra).

Haga clic para registrarse y obtener también una versión gratuita en formato PDF del curso.

Descarga tu minicurso GRATIS

Arnés de prueba experimental

Esta sección describe el arnés de prueba utilizado en este tutorial.

División de datos

Dividiremos el conjunto de datos de Shampoo Sales en dos partes: una formación y un conjunto de prueba.

Los primeros dos años de datos se tomarán para el conjunto de datos de entrenamiento y el año restante de datos se utilizará para el conjunto de prueba.

Los modelos se desarrollarán utilizando el conjunto de datos de entrenamiento y harán predicciones sobre el conjunto de datos de prueba.

El pronóstico de persistencia (pronóstico ingenuo) en el conjunto de datos de prueba logra un error de 136.761 ventas de champú mensuales. Esto proporciona un límite inferior aceptable de rendimiento en el equipo de prueba.

Evaluación del modelo

Se utilizará un escenario de pronóstico continuo, también llamado validación del modelo de avance.

Cada paso de tiempo del conjunto de datos de prueba se recorrerá uno a la vez. Se utilizará un modelo para hacer un pronóstico para el paso de tiempo, luego se tomará el valor esperado real del conjunto de prueba y se pondrá a disposición del modelo para el pronóstico en el próximo paso de tiempo.

Esto imita un escenario del mundo real en el que las nuevas observaciones de ventas de champú estarían disponibles cada mes y se utilizarían en el pronóstico del mes siguiente.

Esto será simulado por la estructura del tren y los conjuntos de datos de prueba.

Se recopilarán todos los pronósticos del conjunto de datos de prueba y se calculará una puntuación de error para resumir la habilidad del modelo. Se utilizará el error cuadrático medio (RMSE), ya que castiga los errores grandes y da como resultado una puntuación en las mismas unidades que los datos de pronóstico, es decir, las ventas mensuales de champú.

Preparación de datos

Antes de que podamos ajustar un modelo LSTM al conjunto de datos, debemos transformar los datos.

Las siguientes tres transformaciones de datos se realizan en el conjunto de datos antes de ajustar un modelo y hacer un pronóstico.

  1. Transforme los datos de la serie temporal para que sean estacionarios. Específicamente, una diferenciación de retraso = 1 para eliminar la tendencia creciente en los datos.
  2. Transformar la serie temporal en un problema de aprendizaje supervisado. Específicamente, la organización de datos en patrones de entrada y salida donde la observación en el paso de tiempo anterior se utiliza como entrada para pronosticar la observación en el paso de tiempo actual.
  3. Transforma las observaciones para tener una escala específica. Específicamente, para cambiar la escala de los datos a valores entre -1 y 1 para cumplir con la función de activación de tangente hiperbólica predeterminada del modelo LSTM.

Estas transformaciones se invierten en los pronósticos para devolverlos a su escala original antes de calcular una puntuación de error.

Modelo LSTM

Usaremos un modelo LSTM con 1 neurona ajustada para 500 épocas.

Se requiere un tamaño de lote de 1, ya que utilizaremos la validación de avance y realizaremos pronósticos de un paso para cada uno de los últimos 12 meses de datos.

Un tamaño de lote de 1 significa que el modelo se ajustará mediante el entrenamiento en línea (a diferencia del entrenamiento por lotes o el entrenamiento por mini lotes). Como resultado, se espera que el ajuste del modelo tenga alguna varianza.

Idealmente, se usarían más épocas de entrenamiento (como 1000 o 1500), pero esto se truncó a 500 para mantener los tiempos de ejecución razonables.

El modelo se ajustará utilizando el eficiente algoritmo de optimización ADAM y la función de pérdida de error cuadrático medio.

Carreras experimentales

Cada escenario experimental se ejecutará 10 veces.

La razón de esto es que las condiciones iniciales aleatorias para una red LSTM pueden dar como resultado un rendimiento muy diferente cada vez que se entrena una configuración determinada.

Sumérjase en los experimentos.

Experimento: sin actualizaciones

En este primer experimento, evaluaremos un LSTM entrenado una vez y reutilizado para hacer un pronóstico para cada paso de tiempo.

Llamaremos a esto el 'modelo sin actualizaciones' o la 'modelo fijo'ya que no se realizarán actualizaciones una vez que el modelo se ajuste por primera vez a los datos de entrenamiento. Esto proporciona una línea de base de rendimiento que esperaríamos que superaran los experimentos que realizan actualizaciones modestas al modelo.

La lista completa de códigos se proporciona a continuación.