lstmニューラルネットワークが異常に同じ値を出力

Question

私は現在、研究しており、株式市場の動きを予測する（非常に単純な）pythonスクリプトを改良しようとしています。

問題：私は同じ出力値を得ていますが、なぜこのチャートに近いと思われるのか分かりません（赤い線は得られるはずの予測で、青い線は真のデータです）：

import numpy as np 
import matplotlib.pyplot as plt 
import pandas as pd 
from pandas import datetime 
import math, time 
import itertools 
from sklearn import preprocessing 
import datetime 
from operator import itemgetter 
from sklearn.metrics import mean_squared_error 
from math import sqrt 
from keras.models import Sequential 
from keras.layers.core import Dense, Dropout, Activation 
from keras.layers.recurrent import LSTM 

def get_stock_data(stock_name, normalized=0): 
    url = 'http://chart.finance.yahoo.com/table.csv?s=%s&a=11&b=15&c=2011&d=29&e=10&f=2016&g=d&ignore=.csv' % stock_name 

    col_names = ['Date','Open','High','Low','Close','Volume','Adj Close'] 
    stocks = pd.read_csv(url, header=0, names=col_names) 
    df = pd.DataFrame(stocks) 
    date_split = df['Date'].str.split('-').str 
    df['Year'], df['Month'], df['Day'] = date_split 
    df["Volume"] = df["Volume"]/10000 
    df.drop(df.columns[[0,3,5,6, 7,8,9]], axis=1, inplace=True) 
    return df 

stock_name = 'GOOGL' 
df = get_stock_data(stock_name,0) 
df.head() 

today = datetime.date.today() 
file_name = stock_name+'_stock_%s.csv' % today 
df.to_csv(file_name) 

df['High'] = df['High']/100 
df['Open'] = df['Open']/100 
df['Close'] = df['Close']/100 
df.head(5) 

def load_data(stock, seq_len): 
    amount_of_features = len(stock.columns) 
    data = stock.as_matrix() #pd.DataFrame(stock) 
    sequence_length = seq_len + 1 
    result = [] 
    for index in range(len(data) - sequence_length): 
     result.append(data[index: index + sequence_length]) 

    result = np.array(result) 
    row = round(0.9 * result.shape[0]) 
    train = result[:int(row), :] 
    x_train = train[:, :-1] 
    y_train = train[:, -1][:,-1] 
    x_test = result[int(row):, :-1] 
    y_test = result[int(row):, -1][:,-1] 

    x_train = np.reshape(x_train, (x_train.shape[0], x_train.shape[1], amount_of_features)) 
    x_test = np.reshape(x_test, (x_test.shape[0], x_test.shape[1], amount_of_features)) 

    return [x_train, y_train, x_test, y_test] 

def build_model2(layers): 
     d = 0.2 
     model = Sequential() 
     model.add(LSTM(128, input_shape=(layers[1], layers[0]), return_sequences=True)) 
     model.add(Dropout(d)) 
     model.add(LSTM(64, input_shape=(layers[1], layers[0]), return_sequences=False)) 
     model.add(Dropout(d)) 
     model.add(Dense(16,init='uniform',activation='relu'))   
     model.add(Dense(1,init='uniform',activation='linear')) 
     model.compile(loss='mse',optimizer='adam',metrics=['accuracy']) 
     return model 

window = 22 
X_train, y_train, X_test, y_test = load_data(df[::-1], window) 
print("X_train", X_train.shape) 
print("y_train", y_train.shape) 
print("X_test", X_test.shape) 
print("y_test", y_test.shape) 

model = build_model2([3,window,1]) 

model.fit(
    X_train, 
    y_train, 
    batch_size=512, 
    nb_epoch=500, 
    validation_split=0.1, 
    verbose=1) 

trainScore = model.evaluate(X_train, y_train, verbose=0) 
print('Train Score: %.2f MSE (%.2f RMSE)' % (trainScore[0], math.sqrt(trainScore[0]))) 

testScore = model.evaluate(X_test, y_test, verbose=0) 
print('Test Score: %.2f MSE (%.2f RMSE)' % (testScore[0],math.sqrt(testScore[0]))) 

# print(X_test[-1]) 
diff=[] 
ratio=[] 
p = model.predict(X_test) 
for u in range(len(y_test)): 
    pr = p[u][0] 
    ratio.append((y_test[u]/pr)-1) 
    diff.append(abs(y_test[u]- pr)) 
    #print(u, y_test[u], pr, (y_test[u]/pr)-1, abs(y_test[u]- pr)) 

import matplotlib.pyplot as plt2 

plt2.plot(p,color='red', label='prediction') 
plt2.plot(y_test,color='blue', label='y_test') 
plt2.legend(loc='upper left') 
plt2.show() 

出力私は取得しています：ここで

https://i.stack.imgur.com/dvQvY.pngはコードであるhttps://i.stack.imgur.com/6TVRb.png

（私はすでにバッチサイズとエポックの数を変更しようとしました）

私は現在、（MacOSXのシエラに）使用しています：

のPython 3.6.0（デフォルト、2017年1月2日、午後06時14分29秒） [GCC 4.2.1互換性のあるアップルLLVM 8.0.0（clang- 800.0.42.1）] on darwin 詳細については、「著作権」、「クレジット」または「ライセンス（）」と入力してください。 警告：使用中のTcl/Tk（8.5.9）のバージョンが不安定になることがあります。

前のコードで使用されるすべてのモジュールが最新のものである（2017年4月24日）

私はいくつかに関する情報を忘れてしまったことが、私に尋ねることを躊躇しないでください。

おかげ

Answer 1

変更nb_epoch=500 nb_epoch=2に、あなたはLSTMが正常に動作することを確認できます。