X_train, y_train, X_test, y_test = load_data(df, window) print("X_train", X_train.shape) print("y_train", y_train.shape) print("X_test", X_test.shape) print("y_test", y_test.shape)

这段代码使用了之前定义的load_data函数，将输入的时间序列数据集df转换为深度学习模型所需的格式。其中，window表示每个输入序列的长度。

代码的输出结果是训练集输入X_train、训练集输出y_train、测试集输入X_test和测试集输出y_test的形状。这些形状信息的输出可以帮助我们了解数据集的结构，确保数据集被正确地转换为模型所需的格式。