【Python】『Keras』LSTM 分類問題　入力が多次元の時の入力について解説

# sample_data_lstm.csvの中身
気温,湿度,天気
4,50,0
6,60,1
10,70,1
12,90,2
10,80,2
7,90,2
5,60,1
5,50,0
4,30,0

import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
from tensorflow.keras.layers import Input, LSTM, Dense, Concatenate, RNN, GRU
from tensorflow.keras.layers import Dropout, Conv1D, MaxPool1D, Flatten
from tensorflow.keras.optimizers import Adam
from tensorflow import keras

# データの読み込み　sample_data.csvに上記の生データが入っているとします。
df = pd.read_csv("./sample_data_lstm.csv", sep=",")

# ----------ラグ特徴量の作成----------

# 何回ラグを発生させるかを示す。下の例だと3回
number_of_lag = 3

# 特徴量作成のための処理　シフト関数を使い、ずらしてから横に結合
df_lag_X = pd.DataFrame()
for i in range(1, number_of_lag):
    df_lag_X['x_lag{}'.format(i)] = df['気温'].shift(i)

df_lag_Y = pd.DataFrame()
for i in range(1, number_of_lag):
    df_lag_Y['y_lag{}'.format(i)] = df['湿度'].shift(i)


# ラグなしの元の列と結合
df_temp = pd.concat([df['気温'], df_lag_X], axis=1)
df_humi = pd.concat([df['湿度'], df_lag_Y], axis=1)


# Nanの処理
df_temp.dropna(inplace=True)
df_humi.dropna(inplace=True)

# rehsapeで一列にする
temp = np.array(df_temp).reshape(-1, number_of_lag)
humi = np.array(df_humi).reshape(-1, number_of_lag)

# [batch, timesteps, feature]の形にする
input_format = []
_format1 = []

for j in range(0, len(temp)):
    for i in range(0, number_of_lag):
        _tentative = ([temp[j][i], humi[j][i]])
        _format1 .append(_tentative)
    input_format.append(_format1)
    _format1 = []

input_format = np.array(input_format)
print(input_format.shape)
# [9, 3, 2]

# 目的変数のデータを用意
y = pd.concat([df['天気']], axis=1)
y = y[number_of_lag-1:]

# データスプリット
train_X, test_X, train_y, test_y = train_test_split(input_format, y)

early = keras.callbacks.EarlyStopping(monitor='val_loss',
                                      verbose=1,
                                      mode='auto')

cp_callback = keras.callbacks.ModelCheckpoint(
      filepath="/training_keras/checkpoint",
      verbose=1,
      monitor="val_loss",
      save_weights_only=True,
      save_best_only=True,
      period=3)

train_X = np.array(train_X)
train_y = np.array(train_y)

# Model作成
# LSTMモデル作成の時の注意点
# データの順番が新しい時間のデータから古い時間の順になっているため(t, t-1, t-2,..)
# LSTMのオプションにgo_backwards=Trueを付ける必要があります。付けたくない場合は、順番を逆に変更。

inputs1 = Input(shape=(train_X.shape[1], train_X.shape[2]))
lstm = LSTM(16, go_backwards=True)(inputs1)
drop2 = Dropout(0.2)(lstm)
d1 = Dense(10)(drop2)
outputs = Dense(3)(d1)

model = keras.Model(inputs=inputs1, outputs=outputs)
model.compile(optimizer=Adam(learning_rate=0.01),
              loss="binary_crossentropy",
              metrics=["categorical_accuracy"],)

# 学習
history = model.fit(train_X,
                    train_y,
                    validation_split=0.1,
                    batch_size=5,
                    epochs=3,
                    verbose=2,
                    callbacks=[cp_callback, early])

pred_y = model.predict(test_X)
print(pred_y)