Tensorflow学习笔记之利用DNNRegressor进行时序预测

Tensorflow学习笔记之利用DNNRegressor进行时序预测

 Tensorflow高级库的DNNRegressor很方便使用，如同sklearn库一样的简单，只要定义好数据格式，然后fit然后predict就可以了，时序预测中最出名的恐怕lstm了，但是最近在使用它时，对于数据缺失和数据量少的情况感觉预测不是很好，受到同事的启发，利用DNN来进行预测，效果还行，记录下方便以后查看。
 实现的语言采用python(“人生苦短，我用python”)。

1. 加载所需要的模块

   
   import os
   import pandas as pd #读取csv文件
   import numpy as np
   import pytz # 时区处理
   import tensorflow as  tf
   from sklearn import preprocessing # 数据标准化
   from sklearn.model_selection import train_test_split

2. 加载数据，为了重复使用，我定义成一个函数
    在加载数据的同时将年份细分为year,month,day，工作日等。

   def process_data(file_path):
       file_name = os.path.split(file_path)[1]
       time_name = 'time'
       data = pd.read_csv(file_path, header=None, names=[time_name, 'value'])
       data[time_name] = pd.to_datetime(data[time_name], unit='ms', utc=True)
       end_time = data.iloc[-1][0]
       tz = pytz.timezone("Asia/Shanghai")
       data2 = data.set_index([time_name])
       data2 = data2.resample(rule='5min' ).mean()
       data2 = data2.tz_convert(tz)
       data2 = data2.interpolate(method='time')
       data2[