此数据是1949 到 1960 一共 12 年,每年 12 个月的航班乘客数据,一共 144 个数据,单位是 1000。我们使用它来进行LSTM时间序列预测的实验。数据如图所示
![0063ba553bc5adfeb8ae954f75d0cdf6.png](https://img-blog.csdnimg.cn/img_convert/0063ba553bc5adfeb8ae954f75d0cdf6.png)
第一列为时间 第二列为数据
编写代码
头文件
import numpy
import matplotlib.pyplot as plt
from keras.models import Sequential
from keras.layers import Dense
from keras.layers import LSTM
import pandas as pd
import os
from keras.models import Sequential, load_model
加载数据
在这里我们设置时序数据的前65%为训练数据 后35%为测试数据
dataframe = pd.read_csv('./international-airline-passengers.csv', usecols=[1], engine='python', skipfooter=3)
dataset = dataframe.values
# 将整型变为float
dataset = dataset.astype(