长短期记忆网络LSTM(Python)

最新推荐文章于 2024-07-31 07:40:50 发布

codeQin

最新推荐文章于 2024-07-31 07:40:50 发布

阅读量2.2k

点赞数

分类专栏： Deep learning

本文链接：https://blog.csdn.net/qq_42394743/article/details/82049575

版权

该博客介绍了一个使用Python进行时间序列预测的案例，通过LSTM（长短期记忆网络）模型对数据进行预处理、创建数据集、训练模型，并进行模型验证。通过归一化处理和MinMaxScaler对数据进行缩放，最后评估了训练和测试集上的RMSE（均方根误差）。

摘要由CSDN通过智能技术生成

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

dataset = pd.read_csv('D:/demo/result/imfs.csv',encoding='utf8')
index = 0 #设置选取数据集的列索引
timespan = 3 #设置选取的时间跨度
size = 7 #设置预测的记录数
def createDataset(dataset,timespan):
x,y = [],[]
arr = dataset.values[:,index]
arr = arr.astype(float)
for i in range(len(arr)-timespan):
x.append(arr[i:i+timespan])
y.append(arr[i+timespan])
x = np.array(x)
y = np.array(y)
return x,y

x,y = createDataset(da