建立时间序列预测的卷积神经网络模型—针对单一特征进行预测

建立时间序列预测的卷积神经网络模型

一维时间序列建立卷积神经网络模型
简单来说一维CNN只在一个维度上进行卷积操作

# 定义模型  这里定义的是一个一维的CNN模型
model = Sequential()
model.add(Conv1D(filters=64, kernel_size=2, activation='relu', input_shape=(n_steps, n_features)))
model.add(MaxPooling1D(pool_size=2))
model.add(Flatten())
model.add(Dense(50, activation='relu'))
model.add(Dense(1))
model.compile(optimizer='adam', loss='mse')
# fit模型
model.fit(x, y, epochs=500, verbose=0)

先不说多特征的时间序列 ，单一特征的数据预测怎么预测

def split(seq, steps):
    X, Y = list(), list()
    for i in range(len(seq)