LSTM 时间序列预测
对于 LSTM 神经网络的概念想必大家也是熟练掌握了，所以本文章不涉及对 LSTM 概
念的解读，仅解释如何使用**pytorch**使用 LSTM 进行时间序列预测，复原使用代码实现
的全流程。
数据获取与预处理
首先预览一下本次实验使用的数据集，该数据集共有三个特征，将最后一列的压气机出
口温度作为标签预测（该数据集是我在 git 上收集到的）!
定义一个 xls 文件读取的函数，其中 data.iloc()函数是将 dataframe 中的数据进行切片，返回
数据和标签
使 用 sklearn 中 的 preprocessing 模 块 中 的 归 一 化 函 数 对 数 据 进 行 归 一 化 处 理 ， 其 中
data=data.values 函数 是 将 dataframe 中 的 数 据 从 pd 格 式 转 换 np 数 组 ， 删 除轴 标签 ，
fit_transform 函数是 fit（）和 transform（）的组合，是将 fit 和 transform 合并，一步到位的
结果，最后返回 data，label 和归一化的标签值
