ニューラルネットワークを用いた、汎用的な数値予測プログラムを作ってみた

はじめに

• 今回は、scikit-learnのMLPClassifierを使って、様々な数値予測に使える雛形的なコードを書いてみました
• 記事上では、例として株価の予測を行っていますが、データセットと変数を書き変えることで、様々な予測ができる。…はず
• 説明変数の標準化も実行されるようにしてます

想定読者

• scikit-learnのMLPClassifierを使った数値予測に興味がある人
• 「データセットは準備できた。あとは必要最低限のカスタマイズで、予測を実行できるようなコードが転がっていればな～」という人

前提

• Pythonの動作環境
• Scikit-learnと、Pandasがインストール済み

学習用データセットの形式

• ルール

1. 目的変数と、必要な説明変数のみが記載されたcsvファイルであること
2. １行目にカラム名が英語で記載されていること
3. 全データの数値化や、欠損値・外れ値の処理が実施済みであること

■サンプル

例では
とある企業の明日の株価（終値）の予測を目的に
目的変数：closing_price_today（当日の終値[円]）
説明変数：7days_ago～1day_ago（7~1日前までの終値[円]）
のデータセットを１年分用意している

（データの抽出元：https://finance.yahoo.co.jp/quote/2181.T/history）

学習済みモデルに予測させる入力データの形式

• ルール

1. 目的変数のカラムが不要なこと以外は、学習用データセットの形式と同様

■サンプル

コード

• 上記の学習用データ、入力データが準備できたら、以下のコードをカスタマイズして実行する
• カスタマイズできる個所は、コメントアウトに【カスタムN】と記載のある５個所

main

from sklearn.model_selection import train_test_split
import pandas as pd
from sklearn.neural_network import MLPClassifier
from sklearn import metrics 
from sklearn.preprocessing import StandardScaler

# 【カスタム1】学習用データセットのパス
csv_file_path_learning = "./learning_data.csv"
# 【カスタム2】学習済みモデルに予測させる入力データのパス
csv_file_path_actual = "./actual_data.csv"
# 【カスタム3】目的変数のカラム名
mokuteki_label = 'today'
# 【カスタム4】学習用データのうち、テストデータにする割合
ratio_for_test_data = 0.2
# 【カスタム5】隠れ層の数
layer_size=(100,100,100)

# 学習用データを説明・目的変数に分割
csv_data_learning=pd.read_csv(filepath_or_buffer=csv_file_path_learning, encoding="utf-8", sep=",")
setsumei_data = csv_data_learning.drop([mokuteki_label],axis=1)
mokuteki_data = csv_data_learning[mokuteki_label]

# 説明変数の標準化
sc = StandardScaler()
sc.fit(setsumei_data)
scaled_setsumei_data = sc.transform(setsumei_data)

# 学習用データを、トレーニング用とテスト用に分割
setsumei_data_for_training, setsumei_data_for_test, mokuteki_data_for_training, mokuteki_data_for_test = train_test_split(scaled_setsumei_data, mokuteki_data, test_size=ratio_for_test_data, random_state=42)

# ニューラルネットワークの定義
clf = MLPClassifier(
    hidden_layer_sizes=layer_size)

int_mokuteki_data_for_training = mokuteki_data_for_training.astype('int')
int_mokuteki_data_for_test = mokuteki_data_for_test.astype('int')

# モデルの学習、精度の計測
clf.fit(setsumei_data_for_training, int_mokuteki_data_for_training)
predict = clf.predict(setsumei_data_for_test)
score = metrics.r2_score(int_mokuteki_data_for_test, predict)
print("モデルの精度：", score)

# 入力データから予測
data_actual = pd.read_csv(filepath_or_buffer=csv_file_path_actual, encoding="utf-8", sep=",")
setsumei_data_actual = sc.transform(data_actual) 
print("予測結果：", clf.predict(setsumei_data_actual))

サンプルデータの実行結果

モデルの精度： 0.8832801846947363
予測結果： [201]

ちなみに該当日の、実際の株価は 202.8円 でした
まずまずの精度かと思います

最後に

• 今回、わかりやすさ重視のため、モデルの精度を高めるためのカスタム要素を①テストデータの割合と②隠れ層の数に限定しています
  もっと自由にカスタマイズしたい場合は、ニューラルネットワークの定義箇所で、MLPClassifierの引数に様々なパラメータを設定できますので、試してみてください。
• 株価の予測というサンプルは、完全な筆者の好みです
  他にも、説明変数の検討やデータ収集がうまくいけば、プロジェクトの工数を予測したりするのも面白そうだなーと思ってます
  まあ、何より大変なのはそのデータ収集と前処理なんですけどね…