Python语言基于Tensorflow实现RNN（预测）

最新推荐文章于 2025-03-02 17:53:52 发布

simple_hututu

最新推荐文章于 2025-03-02 17:53:52 发布

阅读量4k

点赞数 1

本文链接：https://blog.youkuaiyun.com/pwtd_huran/article/details/79730255

版权

该博客展示了如何利用Python和Tensorflow实现一个RNN网络，用于对时间序列数据进行预测。首先，数据预处理包括读取CSV文件、转换数据类型、归一化处理。接着，使用K-Fold交叉验证划分数据集，并构建RNN模型，包含LSTM单元。最后，训练模型并评估预测结果，计算了MAPE、RMSE和MABE等指标。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
from sklearn.preprocessing import MinMaxScaler
import csv
from pylab import*
from sklearn import preprocessing
from sklearn.preprocessing import MinMaxScaler
from matplotlib import pyplot
import math
from random import random
from sklearn.model_selection import KFold
import random
n_inputs = 6 #输入一行，一行有6个数据
max_time = 24 #一共24行
lstm_size = 35 #隐层单元
n_classes = 24 # 预测24个值
batch_size = 32 #每批次50个样本
n_batch = 32 // batch_size #计算一共有多少个批次
i=0
j=[]
data = []
X = []
indicess = []
xback =24
with open(r'D:\晴天新.csv') as f:
    reader = csv.reader(f)
    for row in reader:
            if i == 0:
                i += 1