Python：利用LSTM预测时间序列数据

最新推荐文章于 2025-07-19 09:02:19 发布

灬CXG

最新推荐文章于 2025-07-19 09:02:19 发布

阅读量4.7k

点赞数 1

CC 4.0 BY-SA版权

分类专栏：时间序列TS

本文链接：https://blog.youkuaiyun.com/cxg1105553864/article/details/96783484

前言：

如果没有深入了解LSTM原理及结构，推荐看下面两篇blog，不在赘述：

从深度学习到LSTM：https://blog.youkuaiyun.com/hz371071798/article/details/82532183

LSTM结构详解：https://blog.youkuaiyun.com/zhangbaoanhadoop/article/details/81952284

正文开始，简单写一下编程实现：

注：和上文一样，data直接采用 facebook 的prophet时序算法中examples的数据。

一些引用的包：

from __future__ import print_function
import numpy as np 
import pandas as pd 
from keras.layers import Dense, Activation, Dropout, LSTM
# from keras.layers.recurrent import LSTM
from keras.models import Sequential
from sklearn.model_selection  import train_test_split
from sklearn.preprocessing import MinMaxScaler
from sklearn.metrics import mean_squared_error
import matplotlib.pyplot as plt
import math

import warnings
warnings.filterwarnings('ignore')
plt.styl