基于keras多层LSTM实现

最新推荐文章于 2021-09-26 18:20:15 发布

chaochaopang0

最新推荐文章于 2021-09-26 18:20:15 发布

阅读量3w

点赞数 9

CC 4.0 BY-SA版权

分类专栏：深度学习 TensorFlow

本文链接：https://blog.youkuaiyun.com/chaochaopang0/article/details/80266155

该博客介绍如何利用Keras库构建一个多层LSTM模型，详细步骤包括数据读取、预处理、模型建立、训练过程以及预测。内容以单属性数据集为例，并提供了数据集下载链接。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

代码分为数据读取、预处理、建模、训练、预测（测试集预测，未来连续预测）、结果展示（此代码是以单属性数据集为例）
数据集：https://download.youkuaiyun.com/download/chaochaopang0/10405315

# -*- coding: utf-8 -*-
"""
Created on Tue May  8 14:28:43 2018

@author: lichao_lc
"""
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
from keras.layers.core import Dense, Activation, Dropout
from keras.models import Sequential
import time
import math
from keras.layers import LSTM
from sklearn.preprocessing import MinMaxScaler
from sklearn.metrics import mean_squared_error
from keras import optimizers
import os

def create_dataset(dataset, look_back):
    dataX, dataY = [], []
    for i in range(len(dataset)-look_back):
        a = dataset[i:(i+look_back), 0]
        dataX.append(a)
        dataY.append(dataset[i + look_back, 0])
    return np.array(dataX), np.array(dataY)


#####当激活函数为 sigmoid 或者 tanh 时，要把数据正则话，此时 LSTM 比较敏感 设定 99.2% 是训练数据，余下的是测试数据
def create_train_test_data(dataset,look_back ):