LSTM+Transformer时间序列预测（Pytorch完整源码和数据）

1.文件夹说明： data 储存数据的位置 示例代码均使用csv文件（xlsx也可以，不过个人推荐用csv可以自己转一下） data_provide是文件的装载 layers 模型的层的函数，也就每个模型的中的某个小部分 models 所有的模型，一个py文件一个模型 utils 所有的工具函数 对应的主函数代码，只要运行主函数这个代码，代码直接都是封装整理好的直接运行即可，不用修改其他地方。替换为自己数据只要按照我数据集的date时间格式，将你要预测的列放在最后改为列名Target就行了 代码运行后下面的不是警告不用理他。 2.运行： 如果不用验证集就直接按轮数 有验证集，由于我采用早停法，他不会显示跑了几轮。 代码卡在一个地方是正常的，等他运行几分钟结束即可 代码一定可以训练哦，报错请检查环境问题！（） 可以先把对比模型transformer跑一次看看效果和检验环境是否配置完成 然后在对运行目标代码，由于都是对transformer的优化，对于正常数据集来说是有提升。 比如我的数据这里tansformerR2大约是92% 其他的优化模型大约都是93-97% 3.tips：模型不保证效果哦，不同的数据集效果不同。 可以了解模型的特性，哪种数据适合这个模型，这个模型处理哪种数据有优势，充分理解利用模型的优点处理对应的数据，可以很好的拟合，达到事半功倍的效果。 可以调节config的参数来寻找最优超参数，如果模型效果达到阈值饱和。久是这个魔 如果模型怎么调节参数都没法达到预期效果主要有两个原因 1.数据没有处理好，质量有点差。 2.数据量太少，former系类对长数据友好，短数据有的会差一点。 3.保证数据优质的情况下，还是没达到预期，代表这个模型真的不适合你的数据，建议换一个。A