Cómo utilizar los pasos de tiempo en LSTM Networks para el pronóstico de series de tiempo

Cómo utilizar los pasos de tiempo en LSTM Networks para el pronóstico de series de tiempo

La red Long Short-Term Memory (LSTM) en Keras admite pasos de tiempo.

Esto plantea la cuestión de si las observaciones de retardo para una serie de tiempo univariante se pueden utilizar como pasos de tiempo para un LSTM y si esto mejora o no el rendimiento del pronóstico.

En este tutorial, investigaremos el uso de observaciones de retardo como pasos de tiempo en modelos LSTM en Python.

Después de completar este tutorial, sabrá:

  • Cómo desarrollar un arnés de prueba para evaluar sistemáticamente los pasos de tiempo de LSTM para el pronóstico de series de tiempo.
  • El impacto de utilizar un número variado de observaciones retrasadas como pasos de tiempo de entrada para los modelos LSTM.
  • El impacto de utilizar un número variado de observaciones retrasadas y números coincidentes de neuronas para los modelos LSTM.

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 Abr / 2019: Se actualizó el enlace al conjunto de datos.
Cómo utilizar los pasos de tiempo en LSTM Networks para el pronóstico de series de tiempo

Cómo utilizar los pasos de tiempo en LSTM Networks para el pronóstico de series de tiempo
Foto de YoTuT, algunos derechos reservados.

Descripción general del tutorial

Este tutorial se divide en 4 partes. Son:

  1. Conjunto de datos de ventas de champú
  2. Arnés de prueba experimental
  3. Experimentos con pasos de tiempo
  4. Experimentos con pasos de tiempo y neuronas

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:

¿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

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.

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 usa 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 del cálculo y la puntuación de error.

Modelo LSTM

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

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

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 resultados muy diferentes cada vez que se entrena una configuración determinada.

Sumérjase en los experimentos.

Experimentos con pasos de tiempo

Realizaremos 5 experimentos, cada uno usará un número diferente de observaciones de retardo como pasos de tiempo de 1 a 5.

Una representación con 1 paso de tiempo sería la representación predeterminada cuando se usa un LSTM con estado. Se inventa el uso de 2 a 5 pasos de tiempo. La esperanza sería que el contexto adicional de las observaciones retrasadas pueda mejorar el rendimiento del modelo predictivo.

La serie de tiempo univariante se convierte en un problema de aprendizaje supervisado antes de entrenar el modelo. El número especificado de pasos de tiempo define el número de variables de entrada (X) utilizado para predecir el próximo paso de tiempo (y). Como tal, para cada paso de tiempo utilizado en la representación, se deben eliminar muchas filas del principio del conjunto de datos. Esto se debe a que no hay observaciones previas para usar como pasos de tiempo para los primeros valores en el conjunto de datos.

La lista completa de códigos para probar 1 paso de tiempo se enumera a continuación.

El parámetro de pasos de tiempo en el correr() la función varía de 1 a 5 para cada uno de los 5 experimentos. Además, los resultados se guardan en un archivo al final del experimento y este nombre de archivo también debe cambiarse para cada ejecución experimental diferente; p.ej: experiment_timesteps_1.csv, experiment_timesteps_2.csvetc.

También te puede interesar