sklearn中lstm_利用LSTM网络进行预测,使用,做,预报,Forecast

本文记录了一次使用LSTM网络进行趋势预测的过程,主要涉及数据预处理、LSTM模型构建、时间滑窗创建数据集、模型训练及预测。通过对疫情数据的处理,展示了如何使用LSTM进行Forecast,包括归一化、反归一化、模型构建、预测值整合到原始数据中等关键步骤。
摘要由CSDN通过智能技术生成

使用LSTM网络做预报(Forecast)

在一次小小的比赛中需要做趋势预测,当时找了很多种方法,最后也对LSTM的使用做出一定的研究,现在大多数能找到的都是Predict,对于Forecast的做法虽然找到了原理,但由于各种原因自己未能很好写出。最后是完成了,这里也做一个小小的记录。

LSTM

完全不想解释,因为只是调包侠,原理还不懂,调参都是手动调的,很离谱。

代码

导入基础模块,preprocessing用作数据归一化预处理

# 导入模块

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 keras.models import Sequential, load_model

from sklearn.preprocessing import StandardScaler

from sklearn.preprocessing import MinMaxScaler

下面对疫情数据进行读取,疫情数据分为三列,分别为Date、Confirmed、New,因为只做一维数据,所以先drop掉Date和New,并且将剩下的Confirmed列用values的方式读取出来。

# 读取数据

dataframe = pd.read_csv('./datalab/626

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值