금융 전략을 위한 머신러닝: 19가지 사례를 통해 익히는 금융 전략, 머신러닝, 데이터 과학

135

5

장

지도 학습: 회귀(시계열 모델)

LSTMModel_fit = LSTMModel.fit(X_train_LSTM, Y_train_LSTM, \

validation_data=(X_test_LSTM, Y_test_LSTM),\

epochs=330, batch_size=72, verbose=0, shuffle=False)

이제 데이터로

LSTM

을 적합화하고 훈련셋과 테스트셋에서 시간 경과에 따라 모델 성능 메

트릭이 변하는 것을 확인해 보자.

pyplot.plot(LSTMModel_fit.history[‘loss’], label=’train’, )

pyplot.plot(LSTMModel_fit.history[‘val_loss’], ‘--’,label=’test’,)

pyplot.legend() pyplot.show()

error_Training_LSTM = mean_squared_error(Y_train_LSTM,\

LSTMModel.predict(X_train_LSTM))

predicted = LSTMModel.predict(X_test_LSTM)

error_Test_LSTM = mean_squared_error(Y_test,predicted)

시계열 모델과 딥러닝 모델을 비교하기 위해 두 모델의 결과를 지도 회귀 기반 모델의 결과

에 덧붙인다.

test_results.append(error_Test_ARIMA) ...