[케라스] 주식가격 예측하기(2) 파이썬 코드

 

 

데이터

data-02-stock_daily.csv

0.04MB

 

코드

# Open, High, Low , Volume으로 Close 가격 예측하기 
xdata=data[["Open","High","Low","Volume"]]
ydata=pd.DataFrame(data["Close"])

# 데이터 표준화
from sklearn.preprocessing import StandardScaler

xdata_ss=StandardScaler().fit_transform(xdata)
ydata_ss=StandardScaler().fit_transform(ydata)

print(xdata_ss.shape , ydata_ss.shape)

>>>(732, 4) (732, 1)

 

# 트레이닝 테스트 데이터 분리 
xtrain=xdata_ss[220:,:]
xtest=xdata_ss[:220,:]
ytrain=ydata_ss[220:,:]
ytest=ydata_ss[:220,:]

print( xtrain.shape , ytrain.shape , xtest.shape, ytest.shape)
>>>(512, 4) (512, 1) (220, 4) (220, 1)

 

모델 구성 

# 모델 구성

model = Sequential()

model.add(Dense(units=1024, input_dim=4, activation='relu'))
model.add(Dense(units=512, activation='relu'))
model.add(Dense(units=256, activation='relu'))
model.add(Dense(units=128, activation='relu'))
model.add(Dense(units=64, activation='relu'))
model.add(Dense(units=32, activation='relu'))
model.add(Dense(units=1))

# 모델 학습과정 설정 
model.compile(loss='mse', optimizer='adam', metrics=['mae'])

MAE는 다음과 같이 정의됩니다.

$ MAE = { \sum | y - \hat{y} | \over n } $

 

모델의 예측값과 실제값의 차이를 모두 더한다는 개념

• 절대값을 취하기 때문에 가장 직관적으로 알 수 있는 지표
• MSE 보다 특이치에 robust합니다.
• 절대값을 취하기 때문에 모델이 underperformance 인지 overperformance 인지 알 수 없습니다.
  • underperformance: 모델이 실제보다 낮은 값으로 예측
  • overperformance: 모델이 실제보다 높은 값으로 예측

 

모델 학습 

# 학습 조기종료 
from keras.callbacks import EarlyStopping
es = EarlyStopping(patience=10)

# 모델 트레이닝 
seed = 123
np.random.seed(seed)
tf.set_random_seed(seed)
hist = model.fit(xtrain, ytrain, epochs=10, batch_size=16, callbacks=[es])

 

모델 검증 

# 트레이닝 데이터셋으로 검증해보기 ( 원래는 검증데이터가 따로 있어야됌) 
print("loss:"+ str(hist.history['loss']))
print("MAE:"+ str(hist.history['mae']))

>>>
loss:[0.10989800396782812, 0.004384054383990588, 0.004886031434580218, 0.004826842614420457, 0.003907841986801941, 0.004693856019002851, 0.005692954953701701, 0.0028650929089053534, 0.003572225868992973, 0.0034893927040684503]
MAE:[0.19797385, 0.049709965, 0.05281601, 0.048923932, 0.047958694, 0.051436342, 0.05639182, 0.040450737, 0.046064664, 0.045582384]

# 모델 테스트 
res = model.evaluate(xtest, ytest, batch_size=32)
print("loss",res[0],"mae",res[1])

>>> 
220/220 [==============================] - 0s 363us/step
loss 0.00187790239314464 mae 0.035955723375082016

 

모델 사용 

#7 모델 사용
xhat = xtest
yhat = model.predict(xhat)

plt.figure()
plt.plot(yhat, label = "predicted")
plt.plot(ytest,label = "actual")

plt.legend(prop={'size': 20})

print("Evaluate : {}".format(np.average((yhat - ytest)**2)))
>>> Evaluate : 0.0018779022504846218

 

텐서플로우 버전 확인하기 

2020/04/18 - [노트/Python : 프로그래밍] - [텐서플로우] 주식가격 예측하기(1) 파이썬 코드