代码干货 | 基于Keras的LSTM多变量时间序列预测
来源:互联网 发布:linux服务器性能监控 编辑:程序博客网 时间:2024/05/01 05:50
本文来源于阿里云-云栖社区,原文点击这里。
适合多输入变量的神经网络模型一直让开发人员很头痛,但基于(LSTM)的循环神经网络能够几乎可以完美的解决多个输入变量的问题。
基于(LSTM)的循环神经网络可以很好的利用在时间序列预测上,因为很多古典的线性方法难以适应多变量或多输入预测问题。
在本教程中,你会看到如何在Keras深度学习库中开发多变量时间序列预测的LSTM模型。
读完本教程后,你将学会:
· 如何将原始数据集转换为可用于时间序列预测的数据集。
· 如何准备数据并创建适应多变量时间序列预测问题的LSTM。
· 如何做出预测并将结果重新调整到原始单位。
本教程分为3部分:
1.空气污染预报。
2.基本数据准备。
3.多变量LSTM预测模型。
Python环境
本教程假设你已安装Python SciPy环境,你可以在本教程中使用Python 2或3。你必须使用TensorFlow或Theano后端安装Keras(2.0或更高版本)。本教程还 假设你已经安装了scikit-learn,Pandas,NumPy和Matplotlib。如果你需要帮助你的环境,请参阅这篇文章:
如何为Anaconda设置机器学习和深度学习的Python环境
空气污染预报
在这个小例子中,我们将使用空气质量数据集。这是一个数据集,在美国驻北京大使馆五年内报告天气和污染水平。数据类型包括日期时间、称为PM2.5浓度的污染物、以及天气信息、包括露点(露点温度)、温度、压力、风向、风速和累积的降雪小时数。原始数据中的完整功能列表如下:
1.NO:行号。
2.year:年。
3.month:月。
4.day:日。
5.hour:小时。
6.pm2.5:PM2.5浓度。
7.DEWP:露点温度。
8.TEMP:温度。
9.PRES:压力。
10.cbwd:风向。
11.Iws:风速。
12.ls:积雪的时间
13.Ir:累积的下雨时数
我们可以使用这些数据并构建一个预测问题,基于天气条件和前几个小时的污染,我们预测在下一个小时的污染。你可以从UCI Machine Learning Repository下载数据集—北京PM2.5数据集。下载数据集并将其放在你当前的工作目录中,文件名为“raw.csv”。
>>>展开全文
- 代码干货 | 基于Keras的LSTM多变量时间序列预测
- 基于Keras的LSTM多变量时间序列预测
- 教你搭建多变量时间序列预测模型LSTM(附代码、数据集)
- Python时间序列LSTM预测系列教程(7)-多变量
- Python时间序列LSTM预测系列教程(8)-多变量
- Python时间序列LSTM预测系列教程(9)-多变量
- Python中用Keras构建LSTM模型进行时间序列预测
- LSTM预测时间序列
- LSTM预测时间序列
- Tensorflow LSTM时间序列预测的尝试
- Tensorflow LSTM时间序列预测的尝试
- LSTM 时间序列预测 matlab
- Pytorch LSTM 时间序列预测
- 用 LSTM 做时间序列预测的一个小例子
- 用 LSTM 做时间序列预测的一个小例子
- 使用tensorflow的lstm网络进行时间序列预测
- 干货|如何用Keras为序列预测问题开发复杂的编解码循环神经网络?
- 86、使用Tensorflow实现,LSTM的时间序列预测,预测正弦函数
- Asp.Net Core 1.0 升级 2.0
- profiler 报attach to a running instance of this jvm is not supported错误
- iptables规则的查看、添加、插入、删除和修改
- 阿里测评题2017
- Spring Mvc 之 注解式开发详解
- 代码干货 | 基于Keras的LSTM多变量时间序列预测
- MySQL优化思路
- 归并排序实现
- JQuery 绑定 事件
- 高通平台java层操作NV数据的方法
- Android Bander设计与实现
- 数塔问题
- android 使用Aes加密数据
- 产品人写PRD应该避免这些坑