每天五分钟深度学习框架pytorch：搭建LSTM完成时间序列的预测

本文重点

前面一篇文章我们使用了pytorch搭建了循环神经网络LSTM然后完成了手写字体识别的任务，本文我们使用LSTM完成一个时间序列的任务。

数据集介绍

数据集如图所示，其中有一列是时间，然后还有一列是对应时间的起飞航班数，它可以看成是一个时间序列，通过前面t时间的起飞航班数，然后预测t+1时刻的起飞航班数

这个数据集我们可以看成是序列数据，因为当前月份的飞机流量肯定和前面几个月的飞机流量有关系，当我们将其看成是序列数据的时候，我们就可以使用序列模型来完成这个任务了。

本例中一共有144个月份的数据，我们将两个月的数据作为样本的特征x1、x2，然后将第三个月的数据作为样本的标签y。这样整个数据集就有143份，我们将70%作为训练集，也就是99份作为训练集，然后剩下的作为测试集。

这99份数据并不代表着我们数据集中有99个样本，如果要是有99个样本的话，那么序列就是1了，然后每个时间步输入就是两个特征（输入是两个数字，也就是说输入是2），就没有体会到序列数据的感觉。所以我们将99份数据看成是一个样本，然后一个样本序列为99，也就是99个时间步，然后每个时间步输入维度是2，也就是两个数字，两个月份的数据。

数据处理

如图所示数据是放在了一个csv文件中，这样的数据是没有办法放到循环神经网络中的，我们必须对其进行处理：

读取数据，进行数据归一化操作：