国际旅行人数预测——使用多层感知器

最新推荐文章于 2024-08-01 20:45:45 发布

Samuel_0

最新推荐文章于 2024-08-01 20:45:45 发布

阅读量1.9k

点赞数 2

分类专栏： Keras 文章标签： Keras 深度学习

本文链接：https://blog.csdn.net/sun___M/article/details/83750578

版权

该博客介绍了如何运用多层感知器处理时间序列问题，以国际旅行旅客人数数据集为例，通过Keras构建模型进行预测。文章展示了数据趋势，并对比了不同隐藏层设置对预测准确性的影响。

摘要由CSDN通过智能技术生成

这个例子是使用多层感知器来处理时间序列问题，例子来源于魏贞原老师的书。

数据集使用的是国际旅行旅客人数数据集（international-airline-passengers）

数据集下载：国际旅行旅客人数数据集（international-airline-passengers）

利用matplotlib，我们先看一下实际数据的变化趋势。

之后构建一个仅有一个隐藏层的多层感知器模型，并将数据集分为训练数据集和评估数据集。在此基础上进行预测。

代码如下：

"""
多层感知器的时间序列预测：国际旅行人数预测
"""
from pandas import read_csv
from matplotlib import pyplot as plt
import math
import numpy as np
from keras.models import Sequential
from keras.layers import Dense

seed = 7
batch_size = 2
epochs = 200
look_back = 1

def create_dataset(dataset):
    dataX, dataY = [],[]
    for i in range(len(dataset)-look_back-1):