LSTM训练集测试集代码
时间: 2023-07-20 07:08:34 浏览: 49
这里是一个使用Keras实现LSTM模型的训练集和测试集代码示例:
```python
import numpy as np
from keras.models import Sequential
from keras.layers import Dense, LSTM
# 生成训练数据
data = np.array([[i for i in range(100)]])
target = np.array([[i for i in range(1, 101)]])
# 将数据转换成LSTM模型需要的格式
data = data.reshape((1, 1, 100))
target = target.reshape((1, 1, 100))
# 创建LSTM模型
model = Sequential()
model.add(LSTM(50, input_shape=(1, 100)))
model.add(Dense(100))
# 编译模型
model.compile(loss='mean_squared_error', optimizer='adam')
# 训练模型
model.fit(data, target, epochs=500, batch_size=1, verbose=2)
# 使用模型预测测试集
test_data = np.array([[i for i in range(100, 200)]])
test_data = test_data.reshape((1, 1, 100))
predictions = model.predict(test_data)
# 打印预测结果
print(predictions)
```
这个示例中,我们首先生成了一个包含100个数字的训练数据集和目标数据集,然后将它们转换成LSTM模型需要的格式。接着,我们创建了一个LSTM模型,并使用mean squared error作为损失函数、adam作为优化器进行编译。最后,我们使用训练好的模型对测试集进行预测,并打印出预测结果。