Keras 实现 LSTM时间序列预测

向AI转型的程序员都关注了这个号👇👇👇

人工智能大数据与深度学习  公众号：datayx

本文将介绍如何用 keras 深度学习的框架搭建 LSTM 模型对时间序列做预测。

1 项目简单介绍

1.1 背景介绍

本项目的目标是建立内部与外部特征结合的多时序协同预测系统。数据集采用来自业界多组相关时间序列（约40组）与外部特征时间序列（约5组）。课题通过进行数据探索，特征工程，传统时序模型探索，机器学习模型探索，深度学习模型探索（RNN，LSTM等），算法结合，结果分析等步骤来学习时序预测问题的分析方法与实战流程。

1.2 数据集说明

** 训练数据有8列：**

- 日期 - 年: int

2 导入库并读取查看数据

3 数据预处理

3.1 时间序列数据转化为监督问题数据

3.2 数据集划分及规整

4 建立模型并训练

5 模型预测并可视化

蓝色曲线为真实输出

绿色曲线为训练数据的预测输出

黄色曲线为验证数据集的预测输出

红色曲线为测试数据的预测输出(能看出来模型预测效果还是比较好的)

https://www.cnblogs.com/mtcnn/p/9411597.html

---

阅读过本文的人还看了以下：

不断更新资源

深度学习、机器学习、数据分析、python

 搜索公众号添加： datayx  

长按图片，识别二维码，点关注

AI项目体验

https://loveai.tech