Time series Analysis using LSTM RNN and GRU

LSTM-RNN と GRU を使用した時系列分析

PyTorch で LSTM、RNN、GRU を使用した時系列分析

ここでは、時系列予測のための深層学習モデルの理解を構築するために、RNN、LSTM、GRU などの RNN 構造の一部を実装しています。私は、ワンホット エンコーディング、ラグ、周期時間特徴など、時系列予測に広く適用されているいくつかの特徴エンジニアリング手法に取り組んできました。使用されるライブラリは、Scikit-learn、Pandas、およびオープンソースの機械学習ライブラリである PyTorch です。私はこの素晴らしい記事をフォローしました。詳細については、こちらのリンクをご覧ください。これについては詳細に説明します。私が使用している時系列データセットは、PJM の時間別エネルギー消費データからのもので、米国のさまざまな地域から収集された 10 年以上の時間ごとの観測値の一変量時系列データセットです。すべてのファイルから、PJM East 地域データを使用しています。このデータには、もともと 2001 年から 2018 年までの時間ごとのエネルギー消費データが含まれていますが、任意のデータセットを使用できます。

データ配布:

RNN の結果:

LSTM の結果:

GRUの結果: