这两天又过去了

前两天,以为帮老板做的程序基本上是写好了,可是他拿过去玩了一下,发现问题真的是太多了,他都不知道该怎么说我了,哈,不过这些问题是在我这边遇不到的了,所以呢,让他找出来是正常的了,不过幸好我还是想出来了办法,哈.

最重要的就是那个weiler-arthon的裁减算法吧,他只是列出了一些基本的思路,对于一些特殊的情况还真是不好处理.比如说两线重合的情况,他就没有说明,最少我是没有看到了,最后我只好用一个比较下流的招数了,就是对于那些已经标记过的点,就不能再继续再标记了,不过这也是有道理的,本来一个点就只能添加一次了,对吧,哈,这样,问题似乎解决了,不过这样下去计算速度又下降了不少啊,不过有什么办法呢,这样的牺牲是必不可少的,不然整个问题的不能解决是多么严重啊,哈.

把这么个小问题解决了,我却是兴奋了一整天啊,几乎没做什么事了.


看看前两天吧,前天回去了,和表弟李英才一起去玩了一回过山车,上车的时候说真的不是很怕的.当车慢慢的开到高处,我就有些害怕了,不过我没有向下看,所以还是很好的.车开始滑动了,平稳.突然,我向前看,什么也看不到,没有边际了,只有空空荡荡的一片,然后一头栽下去,我大气不敢出一口,吓得脸色发白吧,我想,我不敢想什么了,原来求生欲是这样的,好害怕呀.后来车速就慢了好多,只是几个小翻滚了,没什么好说的,因为我不怕了.哈,只是那一瞬间,我的心都死了.看看旁边的李英才,他只是闭着眼睛,哈,没我勇敢吧.

回来找杨晓玲,王丽琴她们比画了一下,哈,觉得刺激真的让我后怕呀,想想自己以后肯定不要去玩什么蹦极了.

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
要预测未来两天的时间序列数据,可以使用机器学习或深度学习的方法进行预测,下面是一个简单的基于LSTM神经网络的时间序列预测代码示例,可以预测未来两天的数据。 首先,需要安装以下Python库:numpy、pandas、tensorflow、keras。 ``` import numpy as np import pandas as pd from keras.models import Sequential from keras.layers import Dense, LSTM # 加载数据 data = pd.read_csv('data.csv', header=None) # 数据预处理 data = np.array(data) data = data.reshape(data.shape[0], 1) # 划分训练集和测试集 train_size = int(len(data) * 0.8) test_size = len(data) - train_size train_data, test_data = data[0:train_size,:], data[train_size:len(data),:] # 创建数据集 def create_dataset(dataset, look_back=1): dataX, dataY = [], [] for i in range(len(dataset)-look_back-2): a = dataset[i:(i+look_back), 0] dataX.append(a) dataY.append(dataset[i + look_back+1, 0]) return np.array(dataX), np.array(dataY) look_back = 7 trainX, trainY = create_dataset(train_data, look_back) testX, testY = create_dataset(test_data, look_back) # 创建LSTM模型 model = Sequential() model.add(LSTM(units=50, input_shape=(1, look_back))) model.add(Dense(1)) model.compile(loss='mean_squared_error', optimizer='adam') # 训练模型 model.fit(trainX, trainY, epochs=100, batch_size=1, verbose=2) # 预测未来两天 last7days = testX[-1:, :] prediction1 = model.predict(last7days.reshape(1, 1, 7)) prediction2 = model.predict(np.append(last7days[:, 1:], prediction1).reshape(1, 1, 7)) print('预测结果为:', prediction1[0][0], prediction2[0][0]) ``` 其中,data.csv是时间序列数据文件,包含多个时间步数的数据,每一行代表一个时间步数的数据。look_back表示历史数据长度,这里设置为7,即使用过去7天的数据预测未来两天的数据。训练模型时,使用LSTM神经网络,优化器为adam,损失函数为均方误差。最后,通过模型预测未来两天的数据,其中prediction1表示第一天的预测结果,prediction2表示第二天的预测结果。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值