Python实现基于LSTM神经网络的时间序列预测源码+全部数据 航线乘客、洗发水销量、空气质量、股票指数预测实例 （134个子文件） 
checkpoint 77B checkpoint 77B pollution.csv 2.24MB air_pollution_new.csv 2.24MB pollution.csv 2.24MB air_pollution_new.csv 2.2MB air_pollution_new.csv 2.2MB air_pollution.csv 1.88MB air_pollution.csv 1.88MB air_pollution.csv 1.88MB raw.csv 1.88MB pollution.csv 1.88MB raw.csv 1.88MB dataset_2.csv 704KB dataset_1.csv 105KB stocktest.csv 5KB airline-passengers.csv 2KB shampoo-sales.csv 714B shampoo-sales.csv 699B shampoo-sales.csv 699B shampoo-sales.csv 699B shampoo-sales.csv 699B shampoo-sales.csv 699B shampoo-sales.csv 483B shampoo-sales.csv 483B shampoo-sales1.csv 244B shampoo-sales1.csv 244B shampoo-sales1.csv 244B shampoo-sales1.csv 244B shampoo-sales1.csv 244B modle.ckpt.data-00000-of-00001 21KB modle.ckpt.data-00000-of-00001 20KB
LSTM时间序列分析预测.docx 20KB .gitignore 184B .gitignore 42B lstm_model.h5 33KB LSTM-Time-series-analysis.iml 536B modle.ckpt.index 936B modle.ckpt.index 930B modle.ckpt.meta 315KB modle.ckpt.meta 220KB 10.抽取数据做验证集画损失图.py 7KB 4.训练神经网络预测.py 7KB 多步预测的LSTM网络.py 7KB 6.LSTM模型实例.py 7KB stock_predict_2.py 7KB 8.代入股票数据测试.py 6KB LSTM模型开发.py 6KB 9.不做差分的股票数据预测.py 6KB 4.一天预测一天.py 5KB stock_predict_1.py 5KB 更健壮的LSTM案例.py 5KB 5.三天预测一天.py 5KB 完整的LSTM案例.py 5KB 定义&训练模型.py 4KB 7.LSTM模型性能测评.py 4KB 静态模型预测.py 4KB 5.批次之间具有堆叠的LSTM.py 4KB 4.批次之间具有记忆的LSTM.py 4KB 3.时间步长型回归(3→1).py 4KB 2.移动窗口型回归(3→1).py 4KB 3.静态假数据预测效果.py 3KB Keras中长短期记忆模型的5步操作代码分析.py 3KB 1.LSTM回归网络(1→1).py 3KB 3.有状态的LSTM网络的完整示例.py 3KB 4.代码2回声序列的一个简易版,可观测数据.py 3KB 2.重塑数据.py 3KB 2.预测回声序列.py 3KB 3.将数据转换成监督学习数据.py 3KB 3.编码器 - 解码器模型.py 2KB Keras中长短期记忆模型的5步操作.py 2KB 2.监督学习型数据准备.py 2KB LSTM数据预处理.py 2KB 香皂销售预测.py 2KB 3.多对多LSTM(具有TimeDistributed).py 2KB 时间序列转监督学习数据.py 2KB 时间序列转换成稳定数据.py 2KB 1.训练周期不足.py 2KB 4.过度拟合的例子.py 1KB 观测值缩放.py 1KB 1.准备回声序列数据.py 1KB 5.多次拟合评估.py 1KB 忽略缺失的学习.py 1KB 对缺失值进行学习.py 1KB 2.隐藏层节点过少.py 1KB 3.合格的例子.py 1KB 3.构造监督型数据结构.py 1KB 手动one-hotenoder.py 1KB 4.数据差分法.py 1KB 2.构造简单的滞后模型.py 1KB 5.数据缩放法.py 1KB 1.一对一LSTM.py 953B 创建一个序列的演示.py 936B 标准化.py 874B 保存模型并加载.py 874B 2.多对一LSTM(没有TimeDistributed).py 869B 预处理.py 788B 数据输出.py 785B one-hotenoder与scikit学习.py 755B 在Keras中实现堆叠LSTM 3D输出.py 747B
