用PaddleTS的LSTNet模型预测中国人口：机器学习实战第三篇

本文将继续完成PaddleTS人口回归预测任务，主要完成模型构建、模型预测、模型评估、预测可视化部分。

本项目使用JupyterNotebook进行演示

1. 项目回顾 ????

本项目属于机器学习范畴，根据指定数据集（中国人口数据集等）使用PaddleTS进行LSTNet网络模型搭建全流程，包括数据预处理、模型构建、模型训练、模型预测、预测结果可视化等。

• 我们将根据中国人口数据集中的多个特征（features），例如：出生人口(万)、中国人均GPA(美元计)、中国性别比例(按照女生=100)、自然增长率(%)等8个特征字段，预测中国未来总人口(万人)这1个标签字段。属于多输入，单输出LSTM神经网路预测范畴。
• 对于本项目使用的工具PaddleTS，PaddleTS是一个易用的深度时序建模的Python库，它基于飞桨深度学习框架PaddlePaddle，提供可扩展的时序建模能力和便捷易用的用户体验。
• 该工具包内置LSTNet模型，本项目将使用其LSTNet深度学习模型完成项目开发。

2. 数据集介绍

本项目使用的数据集为中国人口预测数据集，包含10个字段，其中8个特征字段，1个标签字段，1个行索引字段。

• 其中包括10个字段，例如年份、总人口数、出生率、自然增长率等等。
• 数据包含50条样本，因此应该合理确定训练数据、测试数据和验证数据。
• 数据集样本较少，测试集可以相应的少一些，尽可能多一些训练数据。

3. 构建网络模型

LSTNet是2018年提出的时序预测模型, 它同时利用卷积层和循环层的优势, 提取时间序列多变量之间的局部依赖模式和捕获复杂的长期依赖。

我们将训练最大轮数设置为2000，模型输入时间序列长度为5，输出序列长度为5。

• in_chunk_len (int) – 模型输入的时间序列长度.
• out_chunk_len (int) – 模型输出的时间序列长度.
• max_epochs (int) – 训练的最大轮数.

lstm = LSTNetRegressor(
    in_chunk_len = 5,
    out_chunk_len = 5,
    max_epochs=2000
)

4. 模型训练

使用归一化后的训练数据与验证数据传入模型，进行模型训练。

lstm.fit(train_dataset_scaled, val_dataset_scaled)

部分运行结果如下图所示：

5. 模型的预测

对归一化后的验证集数据进行预测，数据集切分后的形状先是验证集，再是测试集

• 给训练后的LSTM网络模型传入验证集数据，然后会预测出后面一个序列的数据（根据现有序列推算新序列）
• 而对于验证集来讲，验证集后面的序列在测试集中，预测出的新序列就可以和测试集的真实数据做一个对比。
• 想获得测试集与预测出的数据重合部分，需要用到数组切分

subset_test_pred_dataset = lstm.predict(val_dataset_scaled)
subset_test_dataset, _ = test_dataset_scaled.split(len(subset_test_pred_dataset.target))

subset_test_dataset, _ = test_dataset_scaled.split(len(subset_test_pred_dataset.target))
subset_test_dataset.plot(add_data=subset_test_pred_dataset, labels=['Pred'])

运行结果如下图所示：

6. 模型评估

使用平均绝对误差MAE（Mean Absolute Error）指标对预测结果进行评估，计算公式如下：

mae = MAE()
mae(subset_test_dataset, subset_test_pred_dataset)

运行结果如下图所示：

• 传入测试集真实数据和测试集预测数据到函数中即可求MAE损失。

7. 预测结果反归一化

因为传入模型进行训练的数据都是经过标准化/归一化处理后的数据，因此对于经过模型预测出的结果，也是标准化后的数据，需要我们进行反归一化处理，从而查看原始大小的预测数据。

• 对预测出的数据进行反归一化
• 对测试集中真实数据标签进行反归一化
• 对二者反归一化的结果进行可视化

7.1 反归一化

subset_test_pred_dataset_new = scaler.inverse_transform(subset_test_pred_dataset)
subset_test_dataset_new = scaler.inverse_transform(subset_test_dataset)

7.2 可视化结果对比

subset_test_dataset, _ = test_dataset_scaled.split(len(subset_test_pred_dataset.target))
subset_test_dataset_new.plot(add_data=subset_test_pred_dataset_new, labels=['Pred'])

运行结果如下图所示：

8. 总结 ????

• 本项目使用PaddleTS中LSTNet模型进行了完整预测流程，训练后的模型达到了较为不错的效果。
• 由于本数据集样本量有限，今后可以选择在样本更充分的数据集进行实验。
• 可以尝试微调网络参数来优化模型。

本文正在参加「金石计划 . 瓜分6万现金大奖」