keras LSTM을 활용하여 시계열 가격예측을 하고 있는데 추가 학습과 예측 모델이 여러개일때 어떤 방법을 사용해야 할 지 잘 모르겠습니다.

Question

한 상품의 가격을 300일동안 저장한 데이터를 활용하여 다음 가격을 예측하려고 여러 예제들을 참고하여 keras 의 lstm 활용하여 모델을 만들었습니다.이후 callback 함수를 활용하여 val_loss가 가장 적은 모델을 구한 상태인데1. val_loss(검증 손실값) 만 참고하여 가장 작은 값의 모델을 사용하면 되는지, 유의수준은 어느정도 값이어야 하는지판단이 잘 되지 않습니다. 날짜와 가격만으로 예측하는 모델은 modelpath&#61;&#34;./model/test1.hdf5&#34;checkpointer &#61; ModelCheckpoint(filepath&#61;modelpath, monitor&#61;'val_loss', verbose&#61;1, save_best_only&#61;True)early_stopping_callback &#61; EarlyStopping(monitor&#61;'val_loss', patience&#61;100) model &#61; Sequential()model.add(LSTM(4, input_shape&#61;(1, look_back)))model.add(Dense(1))model.compile(loss&#61;'mean_squared_error', optimizer&#61;'adam')history&#61; model.fit(trainX, trainY, validation_split&#61;0.1, epochs&#61;1000, batch_size&#61;1, verbose&#61;2, callbacks&#61;[early_stopping_callback,checkpointer]) 와같이 만들면 될까요? 배치사이즈는 1이 가장 적게 나와 1로 하였고, optimizer는 adam과 rmsprop 등 여러 개 중에서아직 확신하는게 없지만 보통 adam을 쓰면된다하여 adam으로 설정했습니다. 또한, 모델을 매일 추가되는 데이터를 활용하여 예측값과, 실제값을 바탕으로 개선시켜 나가고 싶은데 이것은주기적으로 모델을 fit하는 방법밖에 없을까요?? 마지막으로 가장 막막한 부분인데이렇게 예측할 상품이 1000개정도 된다고 하면 어떻게 해야할까요?1000개의 모델을 각각 1000개에 해당하는 데이터로 학습시켜 상황에 맞게 호출하여 사용해야하는지.이게 하드웨어적, 성능적으로 가능한지 궁금합니다. 한달동안 참고서와 정리 된 글들을 보며 딥러닝에 대해 알아가고 있지만 이제야 형체만 보이고 아직도 모르는 것 투성이네요.많은 조언 부탁드립니다.

아무르 · Answer

직접 하나하나씩 모델을 구축하려고 하는것보다 github에서 비슷한 예제를 찾아보는게 더 빠를 것같은데 물론 충분한 영어실력이 뒷받침되어야 할것같습니다.

밤과라임 · Answer

&#64;아무르 답변 감사합니다. 부족하지만 영어로도 검색을 하고 참고하고 있는데 여러 상품 예측에 대한 케이스는 아직 못본 상태입니다.1000개의 상품을 예측한다하면 개별적으로 1000개의 모델을 만들어 해당모델을 사용하는 방법밖에 없는지...문제가 없는지 알 수 없어 조언을 구하고 있습니다.

아무르 · Answer

여러 상품을 동시에 예측한다는 것은 원래 불가능하다고 볼수는 없고, 확률개념이 필요한 probabilistic modelling 같은데 이 분야는 이론적으로도 상당히 난해한 분야입니다.

밤과라임 · Answer

그럼 각각 모델을 두고 해당상품에 맞는 모델을 호출하여 예측하는 방법으로 진행하면 될까요?학습하는데 오래걸리지만 이후 재사용하는건 많은 성능을 필요하지는 않는 것 같으니 보기엔 안좋지만가능한 것 같아서요.probabilistic modelling 알려주셔서 감사합니다.

keras LSTM을 활용하여 시계열 가격예측을 하고 있는데 추가 학습과 예측 모델이 여러개일때 어떤 방법을 사용해야 할 지 잘 모르겠습니다.

4개의 답변

Q&A 목록