#creating train and test sets dataset = new_data.values train= dataset[0:2187,:] valid = dataset[2187:,:] #converting dataset into x_train and y_train scaler = MinMaxScaler(feature_range=(0, 1)) scaled_data = scaler.fit_transform(dataset) x_train, y_train = [], [] for i in range(60,len(train)): x_train.append(scaled_data[i-60:i,0]) y_train.append(scaled_data[i,0]) x_train, y_train = np.array(x_train), np.array(y_train) x_train = np.reshape(x_train, (x_train.shape[0],x_train.shape[1],1)),将这串代码转化为学术语言,需要中文的
时间: 2023-12-24 09:15:26 浏览: 131
数据集分割train和test程序
为了创建训练集和测试集,我们首先使用“values”属性将原始数据转换为NumPy数组。将前2187行作为训练集,剩余行作为验证集。接着使用MinMaxScaler函数将数据集归一化,将特征范围缩放到0到1之间。然后,我们将训练集进一步划分为输入和输出序列,其中每个输入序列的长度为60个时间步。相应的输出序列是下一个时间步的值。这些序列被分别存储在x_train和y_train变量中。最后,我们将输入序列重塑为具有第三个维度为1的形式,以便将其输入到神经网络模型中。
阅读全文