时间序列预测模型 MLP DNN网络详解完整代码

最新推荐文章于 2024-06-17 10:22:23 发布

程序员奇奇

最新推荐文章于 2024-06-17 10:22:23 发布

阅读量470

点赞数

分类专栏：深度学习机器学习实战文章标签： dnn python 时间序列预测模型 MLP DNN

本文链接：https://blog.csdn.net/pythonyanyan/article/details/129813485

版权

深度学习机器学习实战专栏收录该内容

43 篇文章 563 订阅 ¥29.90 ¥99.00

订阅专栏

超级会员免费看

本文详细讲解了基于Python的时间序列预测模型，重点探讨了多层感知器（MLP）和深度神经网络（DNN）的应用。提供完整的代码示例，可在评论区获取更多资源。

摘要由CSDN通过智能技术生成

项目演示：时间序列预测模型 MLP DNN网络详解完整代码评论区自取_哔哩哔哩_bilibili


from numpy import array
# 构造一元监督学习型数据
def split_sequence(sequence, n_steps):
	X, y = list(), list()
	for i in range(len(sequence)):
		# 获取待预测数据的位置
		end_ix = i + n_steps
		# 如果待预测数据超过序列长度，构造完成
		if end_ix >= len(sequence):
			break
		# 分别汇总 输入 和 输出 数据集
		seq_x, seq_y = sequence[i:end_ix], sequence[end_ix]
		X.append(seq_x)
		y.append(seq_y)
	return array(X), array(y)
# define input sequence
raw_seq = [10, 20, 30, 40, 50, 60, 70, 80, 90]
# 定义时间步，即用几个数据作为输入，预测另一个数据
n_steps = 3
# split into samples
X, y = split_sequence(raw_seq, n_steps)
print(X)
print(y)

了解本专栏