使用Keras进行时间序列预测

时间序列数据就是一个序列，因此使用神经网络进行时间序列预测时，首先要定义输入输出，本文作为一个样例，构建了一个时间序列预测模型，网络的输入输出结构为：前7天数据预测第8天的数据，这是自己定义的，即输出7个节点，输出1个节点，
Python代码

# -- coding: utf-8 --
from sklearn.preprocessing import MinMaxScaler
from sklearn.metrics import mean_squared_error
from keras.models import Sequential
from keras.layers.core import Dense
from keras.optimizers import Adam
from sklearn.model_selection import train_test_split
import matplotlib.pyplot as plt
from math import sqrt
import numpy as np
from matplotlib import pyplot
import pandas as pd
from numpy import concatenate
from keras.callbacks import EarlyStopping
dataw = pd.read_csv(r'D:/PyWork/data.csv', engine='python')
p = dataw['mzsj'].values
data = p.reshape(-1, 1)
# 归一化
scaler = MinMaxScaler(feature_range=(