请编写一段基于keras框架的代码，利用lstm模型对csv文件的第一列进行预测，预测之后将训练中得到的特征向量打印出来

以下是一段基于Keras框架的代码，使用LSTM模型对CSV文件的第一列进行预测，并打印出训练得到的特征向量：

import pandas as pd
import numpy as np
from keras.models import Sequential
from keras.layers import LSTM, Dense

# 读取CSV文件
data = pd.read_csv('data.csv', header=None)

# 将第一列作为输入数据，后面的列作为输出数据
X = data.iloc[:, 0].values
Y = data.iloc[:, 1:].values

# 将输入数据转换为3D张量形式，形状为 (样本数, 时间步长, 特征数)
X = np.reshape(X, (X.shape[0], 1, 1))

# 定义LSTM模型
model = Sequential()
model.add(LSTM(units=50, input_shape=(X.shape[1], X.shape[2])))
model.add(Dense(units=Y.shape[1]))

# 编译模型
model.compile(optimizer='adam', loss='mean_squared_error')

# 训练模型
model.fit(X, Y, epochs=100, batch_size=10)

# 打印训练得到的特征向量
print(model.layers[0].get_weights()[0])

其中，`data.csv`是包含输入和输出数据的CSV文件，第一列为输入数据，后面的列为输出数据。我们使用Pandas库读取CSV文件，并将第一列作为输入数据，后面的列作为输出数据。

接着，我们将输入数据转换为3D张量形式，以便于LSTM模型的输入。然后，我们定义了一个包含一个LSTM层和一个全连接层的模型，并将其编译。最后，我们使用训练数据对模型进行训练，并打印出LSTM层的权重矩阵作为训练得到的特征向量。