Python时间序列LSTM预测系列教程(5)-单变量
来源:互联网 发布:触摸屏查询软件 编辑:程序博客网 时间:2024/06/05 20:24
单变量LSTM预测模型(5)
教程原文连接
前置教程:
Python时间序列LSTM预测系列教程(1)-单变量
Python时间序列LSTM预测系列教程(2)-单变量
Python时间序列LSTM预测系列教程(3)-单变量
Python时间序列LSTM预测系列教程(4)-单变量
更健壮的LSTM案例
基于Python时间序列LSTM预测系列教程(4)描述的案例,进行改进
Keras每次会默认随机初始化LSTM
为了评估模型的性能,可以多次试验,求RMSE的均值
代码解析
#重复实验 repeats = 30error_scores = list()for r in range(repeats): #fit 模型 lstm_model = fit_lstm(train_scaled, 1, 3000, 4)#训练数据,batch_size,epoche次数, 神经元个数 #预测 train_reshaped = train_scaled[:,0].reshape(len(train_scaled), 1, 1) lstm_model.predict(train_reshaped, batch_size=1) #测试数据的前向验证 predictions = list() for i in range(len(test_scaled)): #1步长预测 X, y = test_scaled[i, 0:-1], test_scaled[i, -1] yhat = forcast_lstm(lstm_model, 1, X) #逆缩放 yhat = invert_scale(scaler, X, yhat) #逆差分 yhat = inverse_difference(raw_values, yhat, len(test_scaled)+1-i) predictions.append(yhat) expected = raw_values[len(train)+i+1] print('Moth=%d, Predicted=%f, Expected=%f'%(i+1, yhat, expected)) #性能报告 rmse = sqrt(mean_squared_error(raw_values[-12:], predictions)) print('%d) Test RMSE:%.3f' %(r+1,rmse)) error_scores.append(rmse) #统计信息 results = DataFrame()results['rmse'] = error_scoresprint(results.describe())results.boxplot()pyplot.show()
实验结果
阅读全文
0 0
- Python时间序列LSTM预测系列教程(5)-单变量
- Python时间序列LSTM预测系列教程(1)-单变量
- Python时间序列LSTM预测系列教程(2)-单变量
- Python时间序列LSTM预测系列教程(3)-单变量
- Python时间序列LSTM预测系列教程(4)-单变量
- Python时间序列LSTM预测系列教程(6)-单变量
- Python时间序列LSTM预测系列教程(10)-多步预测
- Python时间序列LSTM预测系列教程(11)-多步预测
- 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
- LSTM预测时间序列
- LSTM预测时间序列
- LSTM 时间序列预测 matlab
- Pytorch LSTM 时间序列预测
- python利用LSTM进行时间序列分析预测
- python利用LSTM进行时间序列分析预测
- Python中利用LSTM模型进行时间序列预测分析
- ros串口通讯接口编程
- 用YOLO训练自己的数据集--20170823
- MySql_explain详解
- Linux iptables防火墙规则配置的两个坑
- 使用sendMail发送邮件
- Python时间序列LSTM预测系列教程(5)-单变量
- 针对IE9时间不兼容问题研究
- S2-052的POC测试
- 设置单文档窗体黑色背景色,并输出红色的文字
- 标准接口
- Sql性能优化之索引
- centOS环境安装python virtualenv
- java简单理解spring控制反转
- Video Acceleration Magnification