다음은 양방향 LSTM 모델의 학습 결과입니다.
Epoch: 0, loss: 0.13400 Epoch: 100, loss: 0.12098 Epoch: 200, loss: 0.09773 Epoch: 300, loss: 0.07793 Epoch: 400, loss: 0.06332 Epoch: 500, loss: 0.05236 Epoch: 600, loss: 0.04406 Epoch: 700, loss: 0.03782 Epoch: 800, loss: 0.03319 Epoch: 900, loss: 0.02978
학습이 진행될수록 오차가 줄어들고 있어 훈련이 잘된 것 같지만 어느 정도 잘된 것인지 알기 어렵습니다. 그래프를 통해서 모델의 예측력을 알아보겠습니다. 다음 코드 역시 LSTM과 동일한 코드로 설명은 생략합니다.
코드 7-77 모델 평가
df_x_ss = ss.transform(data.iloc[:, :-1])
df_y_ms = ms.transform(data.iloc[:, -1:])
df_x_ss = Variable(torch.Tensor(df_x_ss))
df_y_ms = Variable(torch.Tensor(df_y_ms))
df_x_ss = torch.reshape(df_x_ss, (df_x_ss.shape[0], 1, df_x_ss.shape[1]))
train_predict = model(df_x_ss)
predicted = train_predict.data.numpy()
label_y = df_y_ms.data.numpy()
predicted = ms.inverse_transform(predicted)
label_y = ms.inverse_transform(label_y)
plt.figure(figsize=(10,6))
plt.axvline(x=200, c='r', linestyle='--')
plt.plot(label_y, label='Actual Data')
plt.plot(predicted, label='Predicted Data')
plt.title('Time-Series Prediction')
plt.legend()
plt.show()