lstm预测出租车旅行时间的python代码

时间: 2023-09-08 22:08:19 浏览: 53
以下是使用LSTM模型预测出租车旅行时间的Python代码示例: ```python import pandas as pd import numpy as np from keras.models import Sequential from keras.layers import Dense, LSTM # 读取数据 data = pd.read_csv('taxi.csv') # 特征选择 data = data[['pickup_longitude', 'pickup_latitude', 'dropoff_longitude', 'dropoff_latitude', 'passenger_count', 'trip_duration']] # 数据预处理 data['trip_duration'] = data['trip_duration'] / 60 # 将秒转换为分钟 data = data[data['trip_duration'] < 120] # 去除超过2小时的异常数据 data = data[data['pickup_longitude'] != 0] # 去除经纬度为0的异常数据 data = data[data['pickup_latitude'] != 0] data = data[data['dropoff_longitude'] != 0] data = data[data['dropoff_latitude'] != 0] # 划分训练集和测试集 train_size = int(len(data) * 0.8) train = data[:train_size] test = data[train_size:] # 特征归一化 train_mean = train.mean() train_std = train.std() train = (train - train_mean) / train_std test = (test - train_mean) / train_std # 构建训练集和测试集 def create_dataset(X, y, time_steps=1): Xs, ys = [], [] for i in range(len(X) - time_steps): Xs.append(X.iloc[i:(i + time_steps)].values) ys.append(y.iloc[i + time_steps]) return np.array(Xs), np.array(ys) time_steps = 10 X_train, y_train = create_dataset(train.drop('trip_duration', axis=1), train['trip_duration'], time_steps) X_test, y_test = create_dataset(test.drop('trip_duration', axis=1), test['trip_duration'], time_steps) # 构建LSTM模型 model = Sequential() model.add(LSTM(64, input_shape=(time_steps, X_train.shape[2]), return_sequences=True)) model.add(LSTM(32, return_sequences=False)) model.add(Dense(1)) model.compile(loss='mse', optimizer='adam') model.fit(X_train, y_train, epochs=10, batch_size=16, verbose=1) # 预测测试集 y_pred = model.predict(X_test) # 反归一化 y_pred = y_pred.reshape(-1, 1) y_pred = (y_pred * train_std['trip_duration']) + train_mean['trip_duration'] y_test = (y_test * train_std['trip_duration']) + train_mean['trip_duration'] # 计算RMSE rmse = np.sqrt(np.mean((y_pred - y_test) ** 2)) print('RMSE:', rmse) ``` 需要注意的是,本示例中使用的数据集是从Kaggle上下载的纽约市出租车行程数据集,包含了一些特征,如出发地经纬度、目的地经纬度、乘客数量等。实际应用中,需要根据具体情况选择特征。此外,本示例中使用的是LSTM模型,也可以尝试使用其他的深度学习模型进行预测。

相关推荐

最新推荐

recommend-type

Python中利用LSTM模型进行时间序列预测分析的实现

主要介绍了Python中利用LSTM模型进行时间序列预测分析的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
recommend-type

详解用Python进行时间序列预测的7种方法

主要介绍了详解用Python进行时间序列预测的7种方法,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
recommend-type

用Python的长短期记忆神经网络进行时间序列预测

如何准备数据,开发和评估用于时间序列预测的LSTM递归神经网络。 1. 洗发水销售额数据集; 2. 测试设置; 3. 持续性模型预测; 4. LSTM数据准备; 5. LSTM模型开发; 6. LSTM预测; 7. 完整的LSTM例子; 8. 开发...
recommend-type

基于Selenium的Java爬虫实战(内含谷歌浏览器Chrom和Chromedriver版本116.0.5808.0)

资源包括: 1.Java爬虫实战代码 2.selenium学习笔记 3.代码演示视频 4.谷歌浏览器chrom116.0.5808.0 chrome-linux64.zip chrome-mac-arm64.zip chrome-mac-x64.zip chrome-win32.zip chrome-win64.zip 5.谷歌浏览器驱动器Chromedriver116.0.5808.0 chromedriver-linux64.zip chromedriver-mac-arm64.zip chromedriver-mac-x64.zip chromedriver-win32.zip chromedriver-win64.zip 特别说明:Chrome 为测试版(不会自动更新) 仅适用于自动测试。若要进行常规浏览,请使用可自动更新的标准版 Chrome。)
recommend-type

2024消费趋势报告.pdf

2024消费趋势报告.pdf
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

确保MATLAB回归分析模型的可靠性:诊断与评估的全面指南

![确保MATLAB回归分析模型的可靠性:诊断与评估的全面指南](https://img-blog.csdnimg.cn/img_convert/4b823f2c5b14c1129df0b0031a02ba9b.png) # 1. 回归分析模型的基础** **1.1 回归分析的基本原理** 回归分析是一种统计建模技术,用于确定一个或多个自变量与一个因变量之间的关系。其基本原理是拟合一条曲线或超平面,以最小化因变量与自变量之间的误差平方和。 **1.2 线性回归和非线性回归** 线性回归是一种回归分析模型,其中因变量与自变量之间的关系是线性的。非线性回归模型则用于拟合因变量与自变量之间非
recommend-type

引发C++软件异常的常见原因

1. 内存错误:内存溢出、野指针、内存泄漏等; 2. 数组越界:程序访问了超出数组边界的元素; 3. 逻辑错误:程序设计错误或算法错误; 4. 文件读写错误:文件不存在或无法打开、读写权限不足等; 5. 系统调用错误:系统调用返回异常或调用参数错误; 6. 硬件故障:例如硬盘损坏、内存损坏等; 7. 网络异常:网络连接中断、网络传输中断、网络超时等; 8. 程序异常终止:例如由于未知原因导致程序崩溃等。
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。