前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >Keras 实现 LSTM时间序列预测

Keras 实现 LSTM时间序列预测

作者头像
机器学习AI算法工程
发布2019-10-28 19:48:32
2.3K1
发布2019-10-28 19:48:32
举报
文章被收录于专栏:机器学习AI算法工程

本文将介绍如何用 keras 深度学习的框架搭建 LSTM 模型对时间序列做预测。

1 项目简单介绍

1.1 背景介绍

本项目的目标是建立内部与外部特征结合的多时序协同预测系统。数据集采用来自业界多组相关时间序列(约40组)与外部特征时间序列(约5组)。课题通过进行数据探索,特征工程,传统时序模型探索,机器学习模型探索,深度学习模型探索(RNN,LSTM等),算法结合,结果分析等步骤来学习时序预测问题的分析方法与实战流程。

1.2 数据集说明

** 训练数据有8列:**

- 日期 - 年: int - 日期 - 月: int - 日期 - 日: int, 时间跨度为2015年2月1日 - 2016年8月31日 - 当日最高气温 - 摄氏度(下同): float - 当日最低气温: float - 当日平均气温: float - 当日平均湿度: float - 输出 - float 预测数据没有输出部分,其他与预测一样。时间跨度为2016年9月1日 - 2016年11月30日 训练与预测都各自包含46组数据,每组数据代表不同数据源,组之间的温度与湿度信息一样而输出不同.

2 导入库并读取查看数据

3 数据预处理

3.1 时间序列数据转化为监督问题数据

3.2 数据集划分及规整

4 建立模型并训练

5 模型预测并可视化

蓝色曲线为真实输出

绿色曲线为训练数据的预测输出

黄色曲线为验证数据集的预测输出

红色曲线为测试数据的预测输出(能看出来模型预测效果还是比较好的)

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2019-05-08,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 机器学习AI算法工程 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 1 项目简单介绍
    • 1.1 背景介绍
      • 1.2 数据集说明
      • 2 导入库并读取查看数据
      • 3 数据预处理
        • 3.1 时间序列数据转化为监督问题数据
          • 3.2 数据集划分及规整
          • 4 建立模型并训练
          • 5 模型预测并可视化
          领券
          问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档