Simple RNN 간단 예제 스크립트

[1] 시계열 데이터 : y=0.5sini(x) - cos(x/2)정의

import tensorflow as tf
import numpy as np
import matplotlib.pygame as plt
from tensorflow.keras.layers import SimpleRNN, Dense
from tensorflow.keras import Sequential

X = np.arragne(0, 100, 0.1) # 1000개의 시계열 데이터
Y = 0.5 * np.sin(2*x) - np.cos(x/2.0)

seq_data = y.reshape(-1, 1) # RNN입력에 필수적인 3차원 텐서 형태의 입력 데이터로 쉽게 만들기 위해서 사용 -> (1000, 1) 행렬로 바꾸어 줌

print(seq_data.shape)
print(seq_data[:5])

plt.grid()
plt.title('0.5 * sin(2x)-cos(x/2)')
plt.xlabel('time')
plt.ylabel('amplitude')
plt.plot(seq_data)
plt.show

[2] 입력 데이터 x, 정답 데이터 y 생성

w=20 # window size
h=1 # horizon size
X, Y = seq2dataset(seq_data, w, h)
print(X.shape, Y.shape)

def seq2dataset(seq, window, horizon):
	X = []
    Y = []
    for i in range(len(seq_ - (window+horizon)+1):
    x=seq[i:(i+window)] # 슬라이싱으로 리스트 형태로 x 데이터 생성
    y=(seq[i+window+horizon-1])
    X.append(x)
    Y.append(y)
    
    return np.array(X), np.array(Y) # 2차원 행렬을 np.array()함수를 통해서 3차원 텐서로 변환하여 리턴

[3] 트레이닝 데이터 / 테스트 데이터 분리

split_ratio = 0.8
split = int(split_ratio * len(x))

x_train = X[0:split]
y_train = Y[0:split]

x_test = X[split:]
y_test = Y[split:]
print(x_train.shape, y_train.shape, x_test.shape, y_test.shape)

[4] SimpleRNN 모델 구축

model = Sequential()
model.add(SimpleRNN(unit=128, activation='tanh', input_shape=x_train[0].shape))
model.add(Dense())
model.summary()

[5] SimpleRNN 모델 컴파일 및 학습

model.complie(loss='msg', optimizer='admin', metrics=['mae']
hist=model.fit(x_train, y_train, epochs=100, validation_data=(x_test, y_test)

[6] 정확도 및 손실

pred = model.predict(x_test)
print(pred.shape)

rand_idx=np.random.randint(0, len(y_test), size=5)

print('random idx = ', rand_dix, '\n')
print('read = ', pred.flatten()[rand_idx])
print('label = ', y_test.flatten()[rand_idx])

rand_idx=np.random.randint(0, len(y_test), size=5)

print('random idx = ', rand_dix, '\n')
print('read = ', pred.flatten()[rand_idx])
print('label = ', y_test.flatten()[rand_idx])

plt.plot(pred, label = 'prediction')
plt.plot(y_test, label = 'label')
plt_grid()
plt.legend(loc='best')

plt.show()