神经网络实践一 · 利用PyTorch进行气温预测

      利用NN进行简单的气温预测，数据集已上传。数据集主要字段介绍：

 

• year,moth,day,week：表示的具体的时间，因为为字符格式需要进行独热编码处理
• temp_2：前天的最高温度值
• temp_1：昨天的最高温度值
• average：历史中每年这一天的平均最高温度
• actual：标签值，表示当天的真实最高温度
• friend：用不到，暂不用管

原始数据维度: (348, 9), 数据: 
   year  month  day  week  temp_2  temp_1  average  actual  friend
0  2016      1    1   Fri      45      45     45.6      45      29
1  2016      1    2   Sat      44      45     45.7      44      61
2  2016      1    3   Sun      45      44     45.8      41      56
3  2016      1    4   Mon      44      41     45.9      40      53
4  2016      1    5  Tues      41      40     46.0      44      41 

      我们现在需要根据训练集中，除了actual作为标签的这一列以外的数据进行训练，得出NN预测模型的所有参数。可以看到训练集的数据中，week这一列包含字符串而不是如同其他列中的数字，无法在训练中进行数值计算，因此需要把week进行额外处理。这里可以利用sklearn对week独热编码从而标准化特性。处理后的训练数据如下：

标准化原始数据，维度：(348, 14) 具体数据：
[[ 0.         -1.5678393  -1.65682171 ... -0.40482045 -0.41913682
  -0.40482045]
 [ 0.         -1.5678393  -1.54267126 ... -0.40482045 -0.41913682
  -0.40482045]
 [ 0.         -1.5678393  -1.4285208  ... -0.40482045 -0.41913682
  -0.40482045]
 ...
 [ 0.          1.5810006   1.53939107 ...  2.47023092 -0.41913682
  -0.40482045]
 [ 0.          1.5810006   1.65354153 ... -0.40482045 -0.41913682
  -0.40482045]
 [ 0.          1.5810006   1.76769198 ... -0.40482045 -0.41913682
  -0.40482045]]

       这里我们采用一个隐藏层，隐藏层大小设为128，Batch Size大小设为16（Batch就是每次送入网络中训练的一部分数据，而Batch Size就是每个batch中训练样本的数量）。设计的神经网络会意图如下： 

         

        编写代码并运行，得到的气温预测图如下：（我们还可以自行更改Batch Size的大小或隐藏层大小并以此观察对预测结果的影响，如过拟合等现象）

代码如下：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import torch
import datetime
from sklearn import preprocessing
import matplotlib
import warnings

warnings.filterwarnings("ignore")

features = pd.read_csv('temps.csv')
# 看看数据长什么样子，head()默认展示前五个
print('原始数据维度: {0}, 数据: \n{1} '.format(features.shape, features.head()))

# 独热编码    将week中的Fri、Sun等编码而不是String格式
features = pd.get_dummies(features)
features.head(5)

# 标签    也就要预测的温度的真实值
labels = np.array(features['actual'])

# 在特征中去掉标签
features = features.drop('actual', axis=1)

# 训练集每列名字单独保存，留备用
feature_list = list(features.columns)

# 转换成合适的格式
features = np.array(features)

input_features = preprocessing.StandardScaler().fit_transform(features)

print("\n标准化原始数据，维度：{0} 具体数据：\n{1}".format(input_features.shape, input_features))

# 构建网络模型
input_size = input_features.shape[1]
hidden_size = 128
output_size = 1
batch_size = 16
my_nn = torch.nn.Sequential(
    torch.nn.Linear(input_size, hidden_size),
    torch.nn.Sigmoid(),
    torch.nn.Linear(hidden_size, output_size),
)
cost = torch.nn.MSELoss(reduction='mean')  # 计算损失函数（均方误差)
optimizer = torch.optim.Adam(my_nn.parameters(), lr=0.001)  # 优化器

# 训练网络
losses = []
for i in range(500):
    batch_loss = []
    # MINI-Batch方法来进行训练
    for start in range(0, len(input_features), batch_size):
        end = start + batch_size if start + batch_size < len(input_features) else len(input_features)
        xx = torch.tensor(input_features[start:end], dtype=torch.float, requires_grad=True)
        yy = torch.tensor(labels[start:end], dtype=torch.float, requires_grad=True)
        prediction = my_nn(xx)
        loss = cost(prediction, yy)
        optimizer.zero_grad()
        loss.backward(retain_graph=True)
        # 所有optimizer都实现了step()方法，它会更新所有的参数。
        # 一旦梯度被如backward()之类的函数计算好后，我们就可以调用这个函数。
        optimizer.step()
        batch_loss.append(loss.data.numpy())

    # 打印损失  每100轮打印一次
    if i % 100 == 0:
        losses.append(np.mean(batch_loss))
        print(i, np.mean(batch_loss), batch_loss)

# 预测训练结果
x = torch.tensor(input_features, dtype=torch.float)
predict = my_nn(x).data.numpy()

# 转换日期格式
months = features[:, feature_list.index('month')]
days = features[:, feature_list.index('day')]
years = features[:, feature_list.index('year')]
dates = [str(int(year)) + '-' + str(int(month)) + '-' + str(int(day)) for year, month, day in zip(years, months, days)]
dates = [datetime.datetime.strptime(date, '%Y-%m-%d') for date in dates]
# 创建一个表格来存日期和其对应的标签数值
true_data = pd.DataFrame(data={'date': dates, 'actual': labels})

# 同理，再创建一个来存日期和其对应的模型预测值
test_dates = [str(int(year)) + '-' + str(int(month)) + '-' + str(int(day)) for year, month, day in
              zip(years, months, days)]
test_dates = [datetime.datetime.strptime(date, '%Y-%m-%d') for date in test_dates]
predictions_data = pd.DataFrame(data={'date': test_dates, 'prediction': predict.reshape(-1)})

# 开始画图
# matplotlib添加本地的支持中文的字体库，默认是英文的无法显示中文
matplotlib.rc("font", family='Songti SC')
# 真实值
plt.plot(true_data['date'], true_data['actual'], 'b+', label='真实值')
# 预测值
plt.plot(predictions_data['date'], predictions_data['prediction'], 'r+', label='预测值')
plt.xticks(rotation='60')
plt.legend()

# 图名
plt.xlabel('日期')
plt.ylabel('最高温度 (F：华氏)')
plt.title('真实温度和预测温度')
plt.show()