最近我在github上看到一個(gè)項(xiàng)目，項(xiàng)目?jī)?nèi)容是將深度學(xué)習(xí)方法(LSTM、RNN、GRU)進(jìn)行時(shí)間序列建模的過(guò)程進(jìn)行了封裝，使得調(diào)用者調(diào)用者只需5行代碼能完成時(shí)間序列建模以及預(yù)測(cè)的全過(guò)程。

項(xiàng)目本身是使用pytorch實(shí)現(xiàn)的，拓展性極強(qiáng)，在這兒與大家分享。希望能幫助到大家。

該項(xiàng)目的思路如下圖所示，主要利用前幾個(gè)時(shí)刻的序列值來(lái)預(yù)測(cè)未來(lái)若干時(shí)刻(一步預(yù)測(cè)、多步預(yù)測(cè))。

模型部分參數(shù)圖示

項(xiàng)目中訓(xùn)練以及預(yù)測(cè)的函數(shù)功能和sklearn庫(kù)中模型訓(xùn)練以及預(yù)測(cè)的函數(shù)保持一致，個(gè)人感覺(jué)容易上手，然后應(yīng)用到自己的工作中。

項(xiàng)目的運(yùn)行過(guò)程簡(jiǎn)單且直觀，主要分為如下三個(gè)步驟：

加載數(shù)據(jù)，并劃分訓(xùn)練集以及測(cè)試(函數(shù)該項(xiàng)目已提供)

?data = pd.read_csv(train_file_path, header=0, index_col=0).values?train_data, test_data = divide_train_test(data)

初始化模型，可以根據(jù)自己的需求來(lái)指明參數(shù)，也可以按照默認(rèn)值。

?ts = ts_model()

訓(xùn)練模型以及可視化結(jié)果

?preds, reals = ts.fit_transform(train_data, test_data)?ts.plot_predict_result(preds, reals)

是不是很簡(jiǎn)單，如果需要保存結(jié)果，可以直接調(diào)用項(xiàng)目提供的方法，期待小伙伴的探索。

最后，該項(xiàng)目提供了公開(kāi)數(shù)據(jù)集，我們可以直接下載項(xiàng)目，然后運(yùn)行。如果你覺(jué)得該項(xiàng)目確實(shí)幫助到你了，可以給這個(gè)項(xiàng)目加星，以促進(jìn)這個(gè)項(xiàng)目后續(xù)更新。如果有問(wèn)題，就直接在github上提問(wèn)。

項(xiàng)目地址為：https://github.com/yyqcs/time-series-model

總結(jié)

以上是生活随笔為你收集整理的lstm代码_只需5行代码！LSTM时间序列建模以及预测的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。