关于使用LSTM模型，进行故障诊断的整体流程及代码解析2

关于使用LSTM模型进行数据诊断，主要的步骤为：

一、数据处理

二、模型的搭建

三、模型训练

四、模型的评估与测试

一、数据处理

       数据处理是数据诊断的首先环节，主要包括数据读取、数据处理已经数据的输出（即将读取的数据如何转换为符合LSTM的输入数据）。

1、首先是数据读取，在Python中，读取数据的方式有很多种，你可以读取外部文件excel、csv、txt等类型。读取的语法也很简单。如下：

    def get_file(self):                                 
        return os.listdir('DataTestThree/')

     使用 os.listdir() 函数来列出指定目录中的文件和子目录，这里的‘DataTestThree’为内部的数据文件夹名，只用该函数即可获取到指定目录中的文件。

2、获取数据的文件后，即要读取里面的数据，可新建一个函数去实现。如下：

    def get_data(self):
        Filelist = self.get_file()

   这样就通过函数嗲用获得了数据文件。然后再读取里面的数据，如下：

 file_data = pd.read_excel('DataTestThree/{}'.format(file_name), engine='openpyxl') 

     该函数为读取excel文件。读取文件后，获取里面的某一列数据，并放在数据表中，并将某一列作为数据样本、某一列当作数据样本的标签。整体代码如下：

    def get_data(self):
        Filelist = self.get_file()
        features = None
        labels   = None

        for file_name in Filelist:
            file_data = pd.read_excel('DataTestThree/{}'.format(file_name), engine='openpyxl')  # 读取xlsx文件
            # 获取第一列和第二列作为特征
            current_features = file_data.iloc[:, :2].values
            # 获取第三列作为标签
            current_labels = file_data.iloc[:, 2].values
            if features is None:
                features = current_features
            else:
                features =