LSTM模型python代码

以下是一个简单的LSTM模型的Python代码示例：

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

# 准备数据
data = np.random.randn(1000, 1)
look_back = 10
X, Y = [], []
for i in range(len(data)-look_back-1):
    X.append(data[i:(i+look_back), 0])
    Y.append(data[i+look_back, 0])
X = np.array(X)
Y = np.array(Y)

# 创建 LSTM 模型
model = Sequential()
model.add(LSTM(4, input_shape=(look_back, 1)))
model.add(Dense(1))
model.compile(loss='mean_squared_error', optimizer='adam')

# 训练模型
model.fit(X, Y, epochs=100, batch_size=1, verbose=2)

# 预测未来的值
x_input = np.array([data[len(data)-look_back:len(data), 0]])
x_input = np.reshape(x_input, (1, look_back, 1))
y_pred = model.predict(x_input, verbose=0)
print(y_pred)

这个代码示例使用了 Keras 库来创建 LSTM 模型。在这个例子中，我们生成了一些随机数据，并将其用于训练模型。模型的输入是10个连续的数据点，输出是下一个数据点。我们使用 `fit()` 方法训练模型，然后使用 `predict()` 方法来预测未来的值。