案例学习2.LSTM时间序列预测（单变量）

目录

1.特征工程

1.1.创建样本集和标签集

1.2.划分训练集和测试集

1.3.创建批数据

2.模型训练

2.1.模型搭建

2.2.定义回调（权重文件）

2.3.模型编译

2.4.模型训练

3.模型验证

4.模型预测

---

1.特征工程

我们在进行模型搭建之前，需要进行特征工程。

1.1.创建样本集和标签集

def create_new_dataset(dataset,seq_len):
    #新建两个空列表，用来存放样本和标签数据
    x=[]
    y=[]
    start=0#开始位置
    end=dataset.shape(0)-seq_len#截止位置
    #dataset.shape(0)表示样本数
    for i in range(start,end):
        sample=dataset[i,i+seq_len]
        label=dataset[i+seq_len]
        x.append(sample)
        y.append(label)
    return np.array(x),np.array(y)

 注：这里的seq_len表示时间窗口大小

1.2.划分训练集和测试集

def split_datatset(X,y,train_ratio=0.8):
    #train_ratio训练集和测试集的比例
    X_len=len(X)#样本长度
    train_data_len=int(X_len*train_ratio)
    X_train=X[:X_len*train_ratio]
    y_train=y[:X_len*train_ratio]
    X_test=X[X_len*train_ratio:]
    y_test=y[X_len*train_ratio:]
    return X_train,X_test,y_train,y_test

1.3.创建批数据

def create_batch_data(X,