LSTM时间序列预测

LSTM时间序列预测（单维，多步预测一步）

前言

正在自学LSTM，记录一下学习过程，顺便请大佬们指点一二。
本文代码是来自于github:https://github.com/yangwohenmai/LSTM，数据集是自己的，不过都差不多。

使用步骤

1.引入库

import numpy
import matplotlib.pyplot as plt
from pandas import read_csv
import math
from keras.models import Sequential
from keras.layers import Dense
from keras.layers import LSTM
from sklearn.preprocessing import MinMaxScaler
from sklearn.metrics import mean_squared_error
import pandas as pd

2.设置一下，画图时可以显示汉字

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

3.设置监督学习格式

意思就是1-100个数据去预测101个，2-101个数据去预测102个，以此类推。

我也试过200个一组，不太明白这个数据是否是自己根据预测效果定义。

# 将数据截取成100个一组的监督学习格式
def create_dataset(dataset, look_back):
    dataX, dataY = [], []
    for i in range(len(dataset) - look_back - 1):   # 可以建多少个监督学习组
        a = dataset[i:(i + look_back),0]
        dataX.append(a)
        dataY.append(dataset[i + look_back,0])   # 第101个数据
    return numpy.array(dataX),numpy.array(dataY)

3.读取数据

# 定义随机种子，以便重现结果
numpy.random.seed(7)
# 加载数据
dataframe