独家 | 教你使用简单神经网络和LSTM进行时间序列预测（附代码）

翻译：张玲

校对：丁楠雅

本文约1500字，建议阅读5分钟。

作者基于波动性标准普尔500数据集和Keras深度学习网络框架，利用python代码演示RNN和LSTM RNN的构建过程，便于你快速搭建时间序列的预测模型。

图片来源：Pixabay

本文的目的是演示人工神经网络（Artificial Neural Network ，ANN）和长短期记忆循环神经网络（Long Short-Term Memory Recurrent Neural Network ，LSTM RNN）工作过程，使您能够在现实生活中使用它们，并对时间序列数据建立最简单的ANN和LSTM循环神经网络。

人工神经网络（Artificial Neural Network ，ANN）

https://en.wikipedia.org/wiki/Artificial_neural_network

长短期记忆循环神经网络（Long Short-Term Memory Recurrent Neural Network ，LSTM RNN）

https://en.wikipedia.org/wiki/Long_short-term_memory

数据

CBOE（Chicago Board Options Exchange，芝加哥期权交易所）波动性指数是用来衡量标准普尔500指数期权的一种常用隐含波动率，以其代号VIX（Volatility Index,也称“恐惧指数”）而闻名。

CBOE（Chicago Board Options Exchange，芝加哥期权交易所）波动性指数

https://en.wikipedia.org/wiki/VIX

芝加哥期权交易所CBOE实时计算出VIX指数后，将其推出。

芝加哥期权交易所

https://en.wikipedia.org/wiki/Chicago_Board_Options_Exchange

可以从这里（https://ca.finance.yahoo.com/quote/%5Evix/history?ltr=1）下载波动性标准普尔500数据集，时间范围是：2011年2月11日至2019年2月11日。我的目标是采用ANN和LSTM来预测波动性标准普尔500时间序列。

首先，我们需要导入以下库：

import pandas as pd

import numpy as np

%matplotlib inline

import matplotlib.pyplot as plt

from sklearn.preprocessing import MinMaxScaler

from sklearn.metrics import r2_score

from keras.models import Sequential

from keras.layers import Dense

from keras.callbacks import EarlyStopping