机器学习笔记 - 基于keras的Simple RNN训练时间序列数据

本文介绍了如何使用Keras实现Simple RNN进行时间序列预测,如销售数据预测。通过训练,观察了不同epoch下的Test RMSE变化,结果显示RMSE在74到120之间波动,随着时间的推移趋于稳定。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

一、RNN概述

        Recurrent Neural Networks(RNN)循环神经网络。

        传统的神经网络无法记住过去的交互信息,RNN解决了这个问题。 它们是带有循环的网络,允许信息持续存在。 如下图所示,对于神经网络的节点A输入Xt,并输出一个值Ht。网络中的循环允许信息从网络的一个步骤传递到下一个步骤。

二、Simple RNN应用

1、Simple RNN

        使用 Keras 的简单 RNN 实现来根据历史数据集预测销售额。

        Simple RNN函数原型如下:

        一个Simple RNN 是一个完全连接的 RNN。

tensorflow.python.keras.layers.SimpleRNN(
               units,
               activation='tanh',
 
评论 1
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

打赏作者

坐望云起

如果觉得有用,请不吝打赏

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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