10주차 TIL - 텐서플로우와 케라스를 이용해서 비트코인 종가예측을 해보자

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.preprocessing import MinMaxScaler
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import LSTM, Dense, Dropout

# 1. 데이터 로딩
df = pd.read_csv("btc_5min_last_60days.csv")
df = df[['close']]
df.dropna(inplace=True)

# 2. 정규화
scaler = MinMaxScaler()
scaled_data = scaler.fit_transform(df)

# 3. 시계열 샘플 구성
def create_sequences(data, seq_len=60):
    x, y = [], []
    for i in range(seq_len, len(data)):
        x.append(data[i-seq_len:i])
        y.append(data[i])
    return np.array(x), np.array(y)

seq_len = 60
X, y = create_sequences(scaled_data, seq_len)

# 학습/검증 분할
train_size = int(len(X) * 0.9)
X_train, X_val = X[:train_size], X[train_size:]
y_train, y_val = y[:train_size], y[train_size:]

# 4. 모델 정의 (Keras Sequential API)
model = Sequential()
model.add(LSTM(64, return_sequences=True, input_shape=(X.shape[1], 1)))
model.add(Dropout(0.2))
model.add(LSTM(64))
model.add(Dropout(0.2))
model.add(Dense(1))

model.compile(optimizer='adam', loss='mean_squared_error')
model.summary()

# 5. 학습
history = model.fit(X_train, y_train, epochs=20, batch_size=64, validation_data=(X_val, y_val))

# 6. 마지막 구간 예측
pred = model.predict(X_val)
pred = scaler.inverse_transform(pred)
real = scaler.inverse_transform(y_val)

# 7. 예측 결과 시각화
plt.figure(figsize=(12, 5))
plt.plot(real, label='Real')
plt.plot(pred, label='Predicted')
plt.title("BTC Price Prediction (Keras LSTM)")
plt.xlabel("Time Step")
plt.ylabel("Price (USD)")
plt.legend()
plt.tight_layout()
plt.show()