lstm预测模型python代码

LSTM（Long Short-Term Memory）是一种常用的循环神经网络（RNN）模型，用于处理序列数据和时间序列预测。下面是一个简单的LSTM预测模型的Python代码示例：

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

# 准备训练数据
data = [10, 20, 30, 40, 50, 60, 70, 80, 90]
sequence_length = 3

X = []
y = []
for i in range(len(data) - sequence_length):
    X.append(data[i:i+sequence_length])
    y.append(data[i+sequence_length])

X = np.array(X)
y = np.array(y)

# 构建LSTM模型
model = Sequential()
model.add(LSTM(50, activation='relu', input_shape=(sequence_length, 1)))
model.add(Dense(1))
model.compile(optimizer='adam', loss='mse')

# 训练模型
model.fit(X.reshape((X.shape, X.shape, 1)), y, epochs=100, verbose=0)

# 预测
test_data = [70, 80, 90, 100]
test_input = np.array(test_data).reshape((1, sequence_length, 1))
prediction = model.predict(test_input)
print("预测结果:", prediction)

这段代码实现了一个简单的LSTM预测模型。首先，我们准备了训练数据，其中`data`是一个包含序列数据的列表，`sequence_length`表示每个输入序列的长度。然后，我们构建了一个包含一个LSTM层和一个全连接层的模型。接下来，我们使用训练数据对模型进行训练，并使用测试数据进行预测。