전력 예측 LSTM 모델 파라미터 튜닝

LSTM을 이용해 설계한 네트워크 모델은 활성화 함수나 epoch 횟수, batch size 뿐만 아니라 학습 및 예측 주기, 정규화 방식 등의 변경을 통해 예측 정도와 성능을 향상시킬 수 있습니다. 전체 틀이 짜여진 코드에서 파라미터를 변경해가며 개선한 모델들의 설계 기록과 결과를 차례대로 설명해 드리겠습니다. 1. Feature값 'Watt' 포함 여부 1,2차 모델은 다른 요소들은 최소화하고 오로지 데이터셋의 분할에서 Feature에 'Watt'의 여부에 따라 주기별로 어떤 결과를 보여주는지 시험했습니다. 1차는 Feature값에 'Watt'가 포함되어 있지 않고 Label에만 Y값으로 포함되어 있습니다. 학습 결과를 보면 1일 단위에서는 거의 학습이 이뤄지지 않았고, 7일은 변화폭이 조금 생겼지만 일치 정도는 다소 떨어지는 것을 볼 수 있습니다. 30일 단위에서는 학습과 예측 주기가 너무 길어서 큰 주기로만 증감이 이뤄지는 문제가 있었습니다. 1차 1일 단위 1차 7일 단위 ...