자세한 쿼리 내용을 보시려면 위 링크를 확인해주세요.
Preview
•
목적 : 곡물의 종류별 수입량과 수입금액 데이터를 활용한 예측 모델 개발
•
역할 : 신경망 모델을 위한 가공 및 모델 개발
•
성과 : mse의 손실함수 값이 0.05인 최적 모델 도출
결론
•
데이터 구조 : 119 lines with 13 variables
•
활용한 모델 : LSTM
•
사용한 평가 지표 : RMSE
•
최종 결과 : mse 값이 0.05인 최적의 모델 도출 후 예측 시각화
Key Point
1.
Tensorflow 의 keras 라이브러리를 사용했습니다.
2.
LSTM 모델을 사용했습니다
이유
3.
주기성을 확인하고, 정상시계열인지 확인해보기 위해 ACF, PACF 와 시계열 분해 메소드를 활용했습니다.
4.
신경망을 적용하기 위해서 각 피처들의 단위를 통일해야 한다. → 정규화를 적용한다.
5.
신경망에서 활성화 함수와 손실함수는 ‘tanh’ 와 ‘mse’ 를 사용했다.
6.
하이퍼파라미터의 최적의 값을 찾기 위해서 자동으로 최적의 조합을 찾아주는 GridSearchCV 를 사용했다. (교차검증은 3번, 에포크수는 최대 50번)
결과
Next time
1.
LSTM 을 단순화시킨 GRU 모델을 적용해보며 성능을 비교해보고 싶습니다.
2.
더 다양한 변수들을 활용해서 예측 정확도를 높여보고 싶습니다.
3.
정상시계열인지 검증하는 과정을 재진행해보고 싶습니다.