用Python写一个LSTM预测
时间: 2023-07-20 10:06:54 浏览: 92
好的,以下是一个用Python编写的LSTM预测代码示例:
```python
import numpy as np
from keras.models import Sequential
from keras.layers import LSTM, Dense
# 创建输入数据
data = [10, 20, 30, 40, 50, 60, 70, 80, 90]
# 将数据转为有监督学习数据集
def create_dataset(data):
dataX, dataY = [], []
for i in range(len(data)-1):
dataX.append(data[i])
dataY.append(data[i+1])
return np.array(dataX), np.array(dataY)
trainX, trainY = create_dataset(data)
# 将数据重塑为LSTM输入格式
trainX = np.reshape(trainX, (trainX.shape[0], 1, 1))
# 创建LSTM模型
model = Sequential()
model.add(LSTM(4, input_shape=(1, 1)))
model.add(Dense(1))
model.compile(loss='mean_squared_error', optimizer='adam')
model.fit(trainX, trainY, epochs=100, batch_size=1, verbose=2)
# 使用模型进行预测
testX = np.array([100])
testX = np.reshape(testX, (1, 1, 1))
prediction = model.predict(testX)
print(prediction)
```
以上代码中,我们首先创建了一个长度为9的数据集,然后将其转换为LSTM模型的有监督学习数据集格式。接着,我们将训练数据重塑为LSTM模型的输入格式,构建一个包含一个LSTM层和一个全连接层的模型,并使用均方误差损失函数和Adam优化器进行编译。最后,我们使用训练好的模型进行预测。在这个示例中,我们使用模型预测100的下一个值。
阅读全文