深層学習を使った時系​列予測をする際のtr​ainNetwork​関数での取り扱い

現在深層学習を使用した時系列データ予測のうちシーケンスデータの読み込みからネットワークの学習プロセスまでを行っています。そこで下記プログラムを作成して実行したところ、trainNetwork関数のところで「無効な学習データです。予測子はシーケンスの N 行 1 列の cell 配列でなければなりません。ここで N はシーケンスの数です。すべてのシーケンスは同じ特徴次元と、少なくとも 1 つのタイム ステップをもたなければなりません。」と表示されました。次に、1行ずつデバッグしたところN行1列のcell配列を予測子を作りlstm層などの作成までは確認できました。そこでエラーメッセージ後半の文章のほうが問題になっていると思っています。しかし、修正方法がわかりません。

ちなみに以下のプログラムは「深層学習を使用した時系列予測」などを参照にして作りました。

以下プログラム

T1=readtable('pressure_data_20190326_1.xlsx');

%T1：エクセルデータ（添付）の読み込み

%table2arrayでtable型配列を変更

%lambda=1.0 pressure data

T1_data=table2array(T1(4:end,2:end));

%1行N列の配列へ

for i=1:300

T1_array{i}=T1_data(1:end,i);

end

%転置

T1_a=(T1_array)';

%シーケンスの最初の90％で学習を行い残りの10％でテストする

numTimeStepsTrain = floor(0.9*numel(T1_a));

T1Train = T1_a(1:numTimeStepsTrain+1);

T1Test = T1_a(numTimeStepsTrain+1:end);

%予測子と応答の準備

XT1Train = T1Train(1:end-1);

YT1Train = T1Train(2:end);

%lstmアーキテクチャ　定義

numFeatures=1;

numResponse=1;

numHiddenUnits=200;

%lstm層

layers = [ ...

sequenceInputLayer(numFeatures)

lstmLayer(200)

fullyConnectedLayer(numResponse)

regressionLayer];

%トレーニングオプション

options = trainingOptions('adam', ...

'MaxEpochs',250, ...

'GradientThreshold',1, ...

'LearnRateSchedule','piecewise', ...

'LearnRateDropPeriod',125, ...

'LearnRateDropFactor',0.2, ...

'Verbose',0, ...

'Plots','training-progress')

net = trainNetwork(XT1Train,YT1Train,layers,options);

出力結果：

エラー: trainNetwork (line □□)

無効な学習データです。予測子はシーケンスの N 行 1 列の cell 配列でなければなりません。ここで N はシーケンスの数です。すべてのシーケンスは同じ

特徴次元と、少なくとも 1 つのタイム ステップをもたなければなりません。

エラー: LSTM (line □□)

net = trainNetwork(XT1Train,YT1Train,layers,options);

Answer 1

[Kazuya]

原因は XT1Train の各セルの中身がセル配列になっていることの様です。各セルの中身が例えば double 型であれば動くはず。

冒頭を以下のように変えて試してみてください。数値部分だけを readtable で読み込む設定にしました。

opts = detectImportOptions(filename,'DataRange','B4');
T1=readtable('pressure_data_20190326_1.xlsx',opts,'ReadVariableNames',false);
T1_data = T1.Variables;
  
%1行N列の配列へ
for i=1:300
   T1_array{i}=T1_data(1:end,i)';
end

[Naoto Iwaki]

ありがとうございます。変更するとtr​ainNetwork関数に通りました。

[Kazuya]

良かったです。データ、コードと用意いただいていたので回答しやすかったです。

ありがとうございます！