GithubHelp home page GithubHelp logo

kudataforecasting's Introduction

KUDataForecasting

  • 원본 시계열 데이터를 입력으로 받아 미래 데이터 값을 예측하는 time series forecasting 대한 설명
  • 입력 데이터 형태 : 단변량 시계열 데이터(univariate time-series data)

Time series forecasting 사용 시, 설정해야하는 값

  • model : [‘lstm’, ‘gru’, ‘informer’, ‘scinet’] 중 선택

  • best_model_path : 학습 완료된 모델을 저장할 경로

  • 시계열 forecasting 모델 hyperparameter : 아래에 자세히 설명.

    • LSTM hyperparameter
    • GRU hyperparameter
    • Informer hyperparameter
    • SCINet hyperparameter

시계열 forecasting 모델 hyperparameter

1. LSTM

  • input_size : 데이터 변수 개수, int
  • window_size : input sequence의 길이, int
  • forecast_step : 예측할 미래 시점의 길이, int
  • num_layers : recurrent layers의 수, int(default: 2, 범위: 1 이상)
  • hidden_size : hidden state의 차원, int(default: 64, 범위: 1 이상)
  • dropout : dropout 확률, float(default: 0.1, 범위: 0 이상 1 이하)
  • bidirectional : 모델의 양방향성 여부, bool(default: True)
  • num_epochs : 학습 epoch 횟수, int(default: 150, 범위: 1 이상)
  • batch_size : batch 크기, int(default: 64, 범위: 1 이상, 컴퓨터 사양에 적합하게 설정)
  • lr : learning rate, float(default: 0.0001, 범위: 0.1 이하)
  • device : 학습 환경, (default: 'cuda', ['cuda', 'cpu'] 중 선택)

2. GRU

  • input_size : 데이터 변수 개수, int
  • window_size : input sequence의 길이, int
  • forecast_step : 예측할 미래 시점의 길이, int
  • num_layers : recurrent layers의 수, int(default: 2, 범위: 1 이상)
  • hidden_size : hidden state의 차원, int(default: 64, 범위: 1 이상)
  • dropout : dropout 확률, float(default: 0.1, 범위: 0 이상 1 이하)
  • bidirectional : 모델의 양방향성 여부, bool(default: True)
  • num_epochs : 학습 epoch 횟수, int(default: 150, 범위: 1 이상)
  • batch_size : batch 크기, int(default: 64, 범위: 1 이상, 컴퓨터 사양에 적합하게 설정)
  • lr : learning rate, float(default: 0.0001, 범위: 0.1 이하)
  • device : 학습 환경, (default: 'cuda', ['cuda', 'cpu'] 중 선택)

3. Informer

  • input_size : 데이터 변수 개수, int
  • window_size : input sequence의 길이, int
  • forecast_step : 예측할 미래 시점의 길이, int
  • label_len : Decoder의 start token 길이, int(default: 12, 범위: 1 이상)
  • d_model : 모델의 hidden dimension, int(default: 512, 범위: 1 이상)
  • e_layers : encoder layer 수, int(default: 2, 범위: 1 이상)
  • d_layers : decoder layer 수, int(default: 1, 범위: 1 이상)
  • d_ff : fully connected layer의 hidden dimension, int(default: 2048, 범위: 1 이상)
  • factor : 모델의 ProbSparse Attention factor, int(default: 5)
  • dropout : dropout ratio, int(default: 0.05)
  • attn : 모델의 attention 계산 방식, (default: 'prob', ['prob', 'full'] 중 선택)
  • n_heads : multi-head attention head 수, int(default: 8)
  • embed : time features encoding 방식, (default: 'timeF', ['timeF', 'fixed', 'learned'] 중 선택)
  • num_epochs : 학습 epoch 횟수, int(default: 150, 범위: 1 이상)
  • batch_size : batch 크기, int(default: 64, 범위: 1 이상, 컴퓨터 사양에 적합하게 설정)
  • lr : learning rate, float(default: 0.0001, 범위: 0.1 이하)
  • lradj : learning rate 조정 방식, (default: 'type1', ['type1', 'type2'] 중 선택)
  • device : 학습 환경, (default: 'cuda', ['cuda', 'cpu'] 중 선택)

4. SCINet

  • input_size : 데이터 변수 개수, int
  • window_size : input sequence의 길이, int
  • forecast_step : 예측할 미래 시점의 길이, int
  • levels : Tree의 depth, int(default: 2, 범위: input sequence의 로그 값 이하, 2~4 설정 권장)
  • stacks : SCINet 구조를 중첩하는 횟수 (default : 1, stack 값은 1을 고정적으로 사용)
  • num_epochs : 학습 epoch 횟수, int(default: 150, 범위: 1 이상)
  • batch_size : batch 크기, int(default: 64, 범위: 1 이상, 컴퓨터 사양에 적합하게 설정)
  • lr : learning rate, float(default: 0.0001, 범위: 0.1 이하)
  • device : 학습 환경, (default: 'cuda', ['cuda', 'cpu'] 중 선택)

kudataforecasting's People

Contributors

hj-choi-95 avatar jina-kim7 avatar ljhz123 avatar suubkiim avatar

Recommend Projects

  • React photo React

    A declarative, efficient, and flexible JavaScript library for building user interfaces.

  • Vue.js photo Vue.js

    🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.

  • Typescript photo Typescript

    TypeScript is a superset of JavaScript that compiles to clean JavaScript output.

  • TensorFlow photo TensorFlow

    An Open Source Machine Learning Framework for Everyone

  • Django photo Django

    The Web framework for perfectionists with deadlines.

  • D3 photo D3

    Bring data to life with SVG, Canvas and HTML. 📊📈🎉

Recommend Topics

  • javascript

    JavaScript (JS) is a lightweight interpreted programming language with first-class functions.

  • web

    Some thing interesting about web. New door for the world.

  • server

    A server is a program made to process requests and deliver data to clients.

  • Machine learning

    Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.

  • Game

    Some thing interesting about game, make everyone happy.

Recommend Org

  • Facebook photo Facebook

    We are working to build community through open source technology. NB: members must have two-factor auth.

  • Microsoft photo Microsoft

    Open source projects and samples from Microsoft.

  • Google photo Google

    Google ❤️ Open Source for everyone.

  • D3 photo D3

    Data-Driven Documents codes.