写在前面
LSTM模型的一个常见用途是对长时间序列数据进行学习预测，例如得到了某商品前一年的日销量数据，我们可以用LSTM模型来预测未来一段时间内该商品的销量。...下面我将对一个真实的时间序列数据集进行LSTM模型的搭建，不加入很多复杂的功能，快速的完成数据预测功能。...，如下图所示：
现在将Date列设为索引，即可绘制出地下水位埋深随时间变化的折线图，代码如下：
series = data.set_index(['Date'], drop=True)...：
2、将时间序列形式的数据转换为监督学习集的形式，例如：[[10],[11],[12],[13],[14]]转换为[[0,10],[10,11],[11,12],[12,13],[13,14...对于预测时间序列类的问题，可直接使用下面的参数设置：
def fit_lstm(train,batch_size,nb_epoch,neurons):
# 将数据对中的x和y分开
X,y
云服务器
ICP备案
腾讯会议
对象存储
云直播
