[人工智能学习日志]深度学习-LSTM共享单车使用量预测

来自哔哩哔哩课程LSTM共享单车使用量预测
，属于多变量预测案例

1、加载数据集、数据可视化、预处理

- 引入包

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import os
import datetime

from sklearn.model_selection import train_test_split
from sklearn.preprocessing import MinMaxScaler
from sklearn.metrics import r2_score

import tensorflow as tf
from tensorflow.keras import Sequential, layers, utils, losses
from tensorflow.keras.callbacks import ModelCheckpoint, TensorBoard

import warnings
warnings.filterwarnings('ignore')

- 加载数据集

# 加载数据集
dataset = pd.read_csv("BikeShares.csv", parse_dates=['timestamp'], index_col=['timestamp'])

- 数据集描述方式

dataset.shape #数据集大小
dataset.head() #默认显示前5行
dataset.tail() #默认显示后5行
dataset.info() #数据集信息：总结的信息
dataset.describe() #数据集描述：描述最大值最小值等信息

- 数据集可视化处理

通过可视化处理能直观地展现不同变量之间的关系

# 字段t1(气温)与字段cnt(单车使用量)之间的关系
plt.figure(figsize=(16,8))
sns.pointplot(x='t1', y='cnt', data=dataset) #使用'pointplot()'是'点-线'图
plt.show()

# 字段t2(体感温度)与字段cnt(单车使用量)之间的关系
plt.figure(figsize=(16,8))
sns.lineplot(x='t2', y='cnt', data=dataset) #使用'lineplot()'
plt.show()

图1 pointplot图

图2 lineplot图

#### - 数据归一化处理 把数据较大的列数据进行归一化处理 ```python # 分别对字段t1, t2, hum, wind_speed进行归一化 columns = ['cnt', 't1', 't2', 'hum', 'wind_speed'] for col in columns: scaler = MinMaxScaler() dataset[col] = scaler.fit_transform(dataset[col].values.reshape(-1,1)) ``` #### - 构建特征集

# 特征数据集
X = dataset.drop(columns=['cnt'], axis=1) 
# 标签数据集
y = dataset['cnt']

# 1 数据集分离： X_train, X_test
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, shuffle=False, random_state=666)
# 使用'train_test_split'函数进行数据集切分，切分比例为80%训练集，'shuffle=False'表示切分后不打乱顺序，'random_state'规定了数据的顺序

# 2 构造特征数据集
def create_dataset(X, y, seq_len=10):
    features = []
    targets = []
    
    for i in range(0, len(X) - seq_len, 1):
        data = X.iloc[i:i+seq_len] # 序列数据  利用'iloc'函数,取行
        label = y.iloc[i+seq_len] # 标签数据
        # 保存到features和labels
        features.append(data)
        targets.append(label)
    
    # 返回
    return np.array(features), np.array(targets)
# ① 构造训练特征数据集
train_dataset, train_labels = create_dataset(X_train, y_train, seq_len=10)
# ② 构造测试特征数据集
test_dataset, test_labels = create_dataset(X_test, y_test, seq_len=10)
# 3 构造批数据
def create_batch_dataset(X, y, train=True, buffer_size=1000, batch_size=128):
    batch_data = tf.data.Dataset.from_tensor_slices((tf.constant(X), tf.constant(y))) # 数据封装，tensor类型
    if train: # 训练集
        return batch_data.cache().shuffle(buffer_size).batch(batch_size)
    else: # 测试集
        return batch_data.batch(batch_size)
# 训练批数据
train_batch_dataset = create_batch_dataset(train_dataset, train_labels)
# 测试批数据
test_batch_dataset = create_batch_dataset(test_dataset, test_labels, train=False)

5、模型搭建、编译、训练

- 模型搭建

# 模型搭建--版本1
model = Sequential([
    layers.LSTM(units=256, input_shape=train_dataset.shape[-2:], return_sequences=True),# 这里input_shape可以直接写(10,8)
    layers.Dropout(0.4), #舍去一部分神经元，保留一部分，符合LSTM定义
    layers.LSTM(units=256, return_sequences=True),
    layers.Dropout(0.3),
    layers.LSTM(units=128, return_sequences=True),
    layers.LSTM(units=32),
    layers.Dense(1)
])

- 模型编译

# 模型编译
model.compile(optimizer='adam',loss='mse')

- 保持模型权重文件

checkpoint_file = "best_model.hdf5" #实际报错了，可以改为.ckpt
checkpoint_callback = ModelCheckpoint(filepath=checkpoint_file, 
                                      monitor='loss',
                                      mode='min',
                                      save_best_only=True,
                                      save_weights_only=True)

- 模型训练

# 模型训练
history = model.fit(train_batch_dataset,
                    epochs=30,
                    validation_data=test_batch_dataset,
                    callbacks=[tensorboard_callback, checkpoint_callback])

- 曲线显示训练结果

# 显示训练结果
plt.figure(figsize=(16,8))
plt.plot(history.history['loss'], label='train loss')
plt.plot(history.history['val_loss'], label='val loss')
plt.legend(loc='best')
plt.show()

6、模型验证

test_preds = model.predict(test_dataset, verbose=1)
test_preds = test_preds[:, 0] # 获取列值
# 计算r2值
score = r2_score(test_labels, test_preds)
print("r^2 值为： ", score)
# 绘制 预测与真值结果
plt.figure(figsize=(16,8))
plt.plot(test_labels[:300], label="True value") #取前300个绘制曲线图
plt.plot(test_preds[:300], label="Pred value")
plt.legend(loc='best')
plt.show()

• LSTM多特征值与LSTM单特征值相比，基本相同，区别在于送入的特征数据集特征数增多了