import pandas as pd
import numpy as np
from numpy import *
import tensorflow as tf
from keras.models import Sequential, Model
from keras.layers import Dense, Dropout, Activation, LSTM
from keras.optimizers import Adam
#将数据读取和预处理的部分封装成一个函数,模型定义、编译和训练的部分封装成另一个函数,然后在主程序中调用这些函数即可。
#如果需要在不同的程序中使用这些函数,可以将它们保存为独立的文件或模块并在需要时导入相应的模块即可。
#读取数据
def preprocess_data(data_path,col_name):
# 读取数据
data = pd.read_excel(data_path, index_col=0)
arrs = np.array(data.iloc[:,:])
xs = arrs[:,0:12].astype('float32')
ys0 = (np.array(data[col_name],dtype='float32')).reshape(-1,1)
# 处理数据,将数据进行归一化,即把数据映射到较小范围
for dim in range(xs.shape[1]):
xs[:,dim] = (xs[:,dim] - xs[:,dim].min())/(xs[:,dim].max() - xs[:,dim].min())
ys = (ys0
迁移学习实例
于 2023-04-11 13:37:05 首次发布