html静态网站下载,做房产网站在百度推广推广费,工程建设采购有哪些网站,一个网站做两种产品对于预测时间序列数据#xff0c;我觉得最好的选择是LSTM#xff0c;它是一种递归神经网络#xff0c;非常适合于时间序列回归。在如果您不想深入研究神经网络的后端#xff0c;我建议您使用Keras库#xff0c;它是Tensorflow框架的包装器。在假设你有一个一维数组#x…对于预测时间序列数据我觉得最好的选择是LSTM它是一种递归神经网络非常适合于时间序列回归。在如果您不想深入研究神经网络的后端我建议您使用Keras库它是Tensorflow框架的包装器。在假设你有一个一维数组你想预测下一个值。Keras中的代码可能如下所示#start off by building the training data, let arr the list of valuesX []y []for i in range(len(arr)-100-1):X.append(arr[i:i100]) #get prev 100 values for the Xy.append(arr[i100]) # predict next value for Y由于LSTM需要三维输入因此我们希望将X数据重塑为具有3个维度^{pr2}$现在以时间为单位以时间为单位在这里我们可以使用keras构建一个神经网络from keras.models import Sequentialfrom keras.layers import Dense, LSTMmodel Sequential()model.add(LSTM(input_shape (len(X[0], 1)) #input 3-D timeseries datamodel.add(Dense(1)) #output 1-D vector of predicted valuesmodel.compile(lossmean_squared_error, optimizeradam)model.fit(X, y)viola你可以用你的模型来预测数据中的下一个值
