人人都要会编程—金融大佬问我利率预测

事情是这样子的。

在一个夜深人静的晚上，我接到了某证券行业大佬的问题——关于编程。

波哥，睡了吗？

内心OS: 作为一个金融大佬，怎么会这么晚还找我问编程的问题？

后来知道，原来他们公司内部组织了一个比赛——利率预测。

原来是这，这还不简单嘛，不就是一个线性回归模型吗。和人工智能领域的 Hello world 级别的房价预测模型不是一样的嘛。我给他一顿解释，巴拉巴拉。。。

“what，你说的我好想有点明白了？但是怎么做我还是不知道~” 金融大佬说。

--- 这里是分割线 ---

导入 paddlepaddle 和数据处理包

#加载[飞桨](https://www.oschina.net/action/visit/ad?id=1185 "飞桨")、Numpy和相关类库
import [paddle](https://www.oschina.net/action/visit/ad?id=1185 "paddle")
import [paddle](https://www.oschina.net/action/visit/ad?id=1185 "paddle").fluid as fluid
import [paddle](https://www.oschina.net/action/visit/ad?id=1185 "paddle").fluid.dygraph as dygraph
from [paddle](https://www.oschina.net/action/visit/ad?id=1185 "paddle").fluid.dygraph import Linear
import numpy as np
import os
import random

数据处理

数据处理的代码不依赖框架实现，与使用Python构建房价预测任务的代码相同，这里不再赘述。

def load_data():
    # 从文件导入数据
#     datafile = './housing.data'
    datafile = './national debt2.txt'
    data = []
#     with open(datafile, "r", encoding='utf-8') as f:
#         data = f.read()  #去掉列表中每一个元素的换行符
#         data.append(line + "\n")
#     data = np.fromfile(datafile, sep='\t')
    data = np.loadtxt(datafile, delimiter='\t', encoding='gbk', dtype=np.float64)
    print(data)
    print(">>>>>>")
    # 每条数据包括14项，其中前面13项是影响因素，第14项是相应的房屋价格中位数
#     feature_names = [ 'CRIM', 'ZN', 'INDUS', 'CHAS', 'NOX', 'RM', 'AGE', \
#                       'DIS', 'RAD', 'TAX', 'PTRATIO', 'B', 'LSTAT', 'MEDV' ]
    
    feature_names = [ 'X1', 'X2', 'X3', 'X4', 'X5', 'X6', 'X7','Y' ]
    feature_num = len(feature_names)
    print(data.shape[0])
#     print("size = " + str(len(data))
    # 将原始数据进行Reshape，变成[N, 14]这样的形状
    data = data.reshape([data.shape[0] , feature_num])

    # 将原数据集拆分成训练集和测试集
    # 这里使用80%的数据做训练，20%的数据做测试
    # 测试集和训练集必须是没有交集的
    ratio = 0.8
    offset = int(data.shape[0] * ratio)
    training_data = data[:offset]
#     print(training_data)
    # 计算train数据集的最大值，最小值，平均值
    maximums, minimums, avgs = training_data.max(axis=0), training_data.min(axis=0), \
                                 training_data.sum(axis=0) / training_data.shape[0]
    
    # 记录数据的归一化参数，在预测时对数据做归一化
    global max_values
    global min_values
    global avg_values
    max_values = maximums
    min_values = minimums
    avg_values = avgs

    # 对数据进行归一化处理
    for i in range(feature_num):
        #print(maximums[i], minimums[i], avgs[i])
        data[:, i] = (data[:, i] - avgs[i]) / (maximums[i] - minimums[i])

    # 训练集和测试集的划分比例
    #ratio = 0.8
    #offset = int(data.shape[0] * ratio)
    training_data = data[:offset]
    test_data = data[offset:]
    return training_data, test_data
          
training_data,test_data = load_data()
print(training_data)
print(test_data)

模型设计

模型定义的实质是定义线性回归的网络结构，飞桨建议通过创建Python类的方式完成模型网络的定义，即定义init函数和forward函数。forward函数是框架指定实现前向计算逻辑的函数，程序在调用模型实例时会自动执行forward方法。在forward函数中使用的网络层需要在init函数中声明。

实现过程分如下两步：

定义init函数：在类的初始化函数中声明每一层网络的实现函数。在房价预测模型中，只需要定义一层全连接层FC，模型结构和1-2 节模型保持一致。
定义forward函数：构建神经网络结构，实现前向计算过程，并返回预测结果，在本任务中返回的是房价预测结果。

说明：

name_scope变量用于调试模型时追踪多个模型的变量，在此忽略即可，飞桨1.7及之后版本不强制用户设置name_scope。

class Regressor(fluid.dygraph.Layer):
    def __init__(self, name_scope):
        super(Regressor, self).__init__(name_scope)
        name_scope = self.full_name()
        # 定义一层全连接层，输出维度是1，激活函数为None，即不使用激活函数
        self.fc = Linear(input_dim=7, output_dim=1, act=None)
    
    # 网络的前向计算函数
    def forward(self, inputs):
        x = self.fc(inputs)
        return x

训练配置

以grard函数指定运行训练的机器资源，表明在with作用域下的程序均执行在本机的CPU资源上。dygraph.guard表示在with作用域下的程序会以飞桨动态图的模式执行（实时执行）。
声明定义好的回归模型Regressor实例，并将模型的状态设置为训练。
使用load_data函数加载训练数据和测试数据。
设置优化算法和学习率，优化算法采用随机梯度下降SGD，学习率设置为0.01。

训练配置代码如下所示：

# 定义飞桨动态图的工作环境
with fluid.dygraph.guard():
    # 声明定义好的线性回归模型
    model = Regressor("Regressor")
    # 开启模型训练模式
    model.train()
    # 加载数据
    training_data, test_data = load_data()
    # 定义优化算法，这里使用随机梯度下降-SGD
    # 学习率设置为0.01
    opt = fluid.optimizer.SGD(learning_rate=0.01, parameter_list=model.parameters())

说明：

默认本案例运行在读者的笔记本上，因此模型训练的机器资源为CPU。
模型实例有两种状态：训练状态（.train()）和预测状态(.eval())。训练时要执行正向计算和反向传播梯度两个过程，而预测时只需要执行正向计算。为模型指定运行状态，有两点原因：

（1）部分高级的算子（例如Drop out和Batch Normalization，在计算机视觉的章节会详细介绍）在两个状态执行的逻辑不同。

（2）从性能和存储空间的考虑，预测状态时更节省内存，性能更好。

在上述代码中可以发现声明模型、定义优化器等操作都在with创建的 fluid.dygraph.guard()上下文环境中进行，可以理解为with fluid.dygraph.guard()创建了飞桨动态图的工作环境，在该环境下完成模型声明、数据转换及模型训练等操作。

在基于Python实现神经网络模型的案例中，我们为实现梯度下降编写了大量代码，而使用飞桨框架只需要定义SDG就可以实现优化器设置，大大简化了这个过程。

with dygraph.guard(fluid.CPUPlace()):
    EPOCH_NUM = 10   # 设置外层循环次数
    BATCH_SIZE = 10  # 设置batch大小
    
    # 定义外层循环
    for epoch_id in range(EPOCH_NUM):
        # 在每轮迭代开始之前，将训练数据的顺序随机的打乱
        np.random.shuffle(training_data)
        # 将训练数据进行拆分，每个batch包含10条数据
        mini_batches = [training_data[k:k+BATCH_SIZE] for k in range(0, len(training_data), BATCH_SIZE)]
        # 定义内层循环
        for iter_id, mini_batch in enumerate(mini_batches):
            x = np.array(mini_batch[:, :-1]).astype('float32') # 获得当前批次训练数据
            y = np.array(mini_batch[:, -1:]).astype('float32') # 获得当前批次训练标签（真实房价）
            # 将numpy数据转为飞桨动态图variable形式
            house_features = dygraph.to_variable(x)
            prices = dygraph.to_variable(y)
            
            # 前向计算
            predicts = model(house_features)
            
            # 计算损失
            loss = fluid.layers.square_error_cost(predicts, label=prices)
            avg_loss = fluid.layers.mean(loss)
            if iter_id%20==0:
                print("epoch: {}, iter: {}, loss is: {}".format(epoch_id, iter_id, avg_loss.numpy()))
            
            # 反向传播
            avg_loss.backward()
            # 最小化loss,更新参数
            opt.minimize(avg_loss)
            # 清除梯度
            model.clear_gradients()
    # 保存模型
    fluid.save_dygraph(model.state_dict(), 'LR_model')

保存并测试模型

保存模型

将模型当前的参数数据model.state_dict()保存到文件中（通过参数指定保存的文件名 LR_model），以备预测或校验的程序调用，代码如下所示。

# 定义[飞桨](https://www.oschina.net/action/visit/ad?id=1185 "飞桨")动态图工作环境
with fluid.dygraph.guard():
    # 保存模型参数，文件名为LR_model
    fluid.save_dygraph(model.state_dict(), 'national_debt')
    print("模型保存成功，模型参数保存在LR_model中")

模型保存成功，模型参数保存在LR_model中

# 选择倒数十条记录数据进行训练
def load_one_example(data_dir):
    f = open(data_dir, 'r')
    datas = f.readlines()
#     print(datas)
    # 选择倒数第10条数据用于测试
    tmp = datas[-10]
    tmp = tmp.strip().split()
    one_data = [float(v) for v in tmp]

    # 对数据进行归一化处理
    for i in range(len(one_data)-1):
        one_data[i] = (one_data[i] - avg_values[i]) / (max_values[i] - min_values[i])

    data = np.reshape(np.array(one_data[:-1]), [1, -1]).astype(np.float32)
    label = one_data[-1]
    return data, label
    
# 加载测试集
def load_test_data(data_dir):
#     f = open(data_dir, 'r')
#     datas = f.readlines()
    one_data = np.loadtxt(data_dir, delimiter='\t', encoding='gbk', dtype=np.double)
    print(one_data)

    maximums, minimums, avgs = one_data.max(axis=0), one_data.min(axis=0), \
                                 one_data.sum(axis=0) / one_data.shape[0]
    
    # 记录数据的归一化参数，在预测时对数据做归一化
    global max_values
    global min_values
    global avg_values
    max_values = maximums
    min_values = minimums
    avg_values = avgs

    # 对数据进行归一化处理
    for i in range(7):
        #print(maximums[i], minimums[i], avgs[i])
        one_data[:, i] = (one_data[:, i] - avgs[i]) / (maximums[i] - minimums[i])

    # 选择倒数第10条数据用于测试
#     tmp = datas
# #     tmp = tmp.strip()
#     one_data = [float(v) for v in tmp]

    # 对数据进行归一化处理
#     for i in range(len(one_data)-1):
#         one_data[i] = (one_data[i] - avg_values[i]) / (max_values[i] - min_values[i])

#     data = np.reshape(np.array(one_data[:-1]), [1, -1]).astype(np.float32)
    return one_data        
    

with dygraph.guard():
    # 参数为保存模型参数的文件地址
    model_dict, _ = fluid.load_dygraph('national_debt')
    print(model_dict)
    model.load_dict(model_dict)
    model.eval()

    # 参数为数据集的文件地址
    test_data, label = load_one_example('./national debt2.txt')
    # 将数据转为动态图的variable格式
    test_data = dygraph.to_variable(test_data)
    results = model(test_data)
    print(test_data)
    # 对结果做反归一化处理
    results = results * (max_values[-1] - min_values[-1]) + avg_values[-1]
    print("Inference result is {}, the corresponding label is {}".format(results.numpy(), label))
#     print("Inference result is {}".format(results.numpy()))

模型输出

 {'fc.weight': array([[ 0.26267445],
       [ 0.3111655 ],
       [-0.07909104],
       [ 0.14917243],
       [-0.7034063 ],
       [ 0.6225266 ],
       [-0.56594455]], dtype=float32), 'fc.bias': array([0.01486984], dtype=float32)}
name generated_var_0, dtype: VarType.FP32 shape: [1, 7] 	lod: {}
	dim: 1, 7
	layout: NCHW
	dtype: float
	data: [-2.80606 -1.25 4.26667 0.671242 0.688889 0.733556 0.251534]
    Inference result is [[21.144272]], the corresponding label is 2.1907

最终的模型：

Y =  0.26267445 * X1 +  0.3111655 * X2 + -0.07909104 * X3 + 0.14917243] * X4 + -0.7034063 * X5 + 0.6225266 * X6 + -0.56594455 * X7

公众号：关注【哥妞】，了解技术，学会泡妞~

来源：oschina

链接：https://my.oschina.net/u/2366803/blog/4298597

标签

fluid

numpy

Apache Axis

def

epoch

PaddlePaddle