Time series Analysis using LSTM RNN and GRU

LSTM-RNN 및 GRU를 사용한 시계열 분석

PyTorch와 함께 LSTM, RNN 및 GRU를 사용한 시계열 분석

여기서는 시계열 예측을 위한 딥 러닝 모델에 대한 이해를 구축하기 위해 RNN, LSTM 및 GRU와 같은 일부 RNN 구조를 구현하고 있습니다. 저는 원-핫 인코딩, 지연, 순환 시간 특성 등 시계열 예측에 널리 적용되는 일부 특성 엔지니어링 기술을 연구했습니다. 사용되는 라이브러리는 Scikit-learn, Pandas 및 오픈 소스 기계 학습 라이브러리인 PyTorch입니다. 나는 이 훌륭한 기사를 따랐으며 여기 링크를 통해 자세한 내용을 찾을 수 있습니다. 이에 대한 광범위한 세부 정보를 제공합니다. 제가 사용하고 있는 시계열 데이터세트는 PJM의 시간별 에너지 소비 데이터에서 가져온 것입니다. 이는 다양한 미국 지역에서 수집된 10년 이상의 시간별 관측치로 구성된 단변량 시계열 데이터세트입니다. 모든 파일 중에서 원래 2001년부터 2018년까지의 시간별 에너지 소비 데이터가 있는 PJM East 지역 데이터로 작업하고 있지만 어떤 데이터세트라도 사용할 수 있습니다.

데이터 배포:

RNN 결과:

LSTM 결과:

GRU 결과: