# LSTM 时间序列分析预测 目录
使用LSTM神经网络进行时间序列数据预测分析。
基于Tensorflow框架、Kerase接口开发网络模型。
包含数据清洗,数据特征提取,数据建模,数据预测。
## 想学习更多深度学习项目,可访问如下链接
1.通过自回归(AR,ARIMA)模型进行时间序列预测合集:https://github.com/yangwohenmai/TimeSeriesForecasting
2.通过深度学习模型进行时间序列预测合集:https://github.com/yangwohenmai/DeepLearningForTSF
3.基于NLP的文本分析项目合集:https://github.com/yangwohenmai/NLP
# LSTM 时间序列分析预测 目录
# 一、LSTM系列
### 1.LSTM单变量(shampoo-sales)
+ ***1_1.LSTM单变量1***
```
1.香皂销售预测(很多饮料瓶图标)
```
+ ***1_2.LSTM单变量2***
```
1.观测值缩放
2.时间序列转换成稳定数据
3.时间序列转监督学习数据
```
+ ***1_3.LSTM单变量3***
```
1.LSTM模型开发
```
+ ***1_4.LSTM单变量4***
```
1.完整的LSTM案例
```
+ ***1_5.LSTM单变量5***
```
1.更健壮的LSTM案例
```
### 2.LSTM多变量(air_pollution)
+ ***1_1.LSTM多变量1***
```
1.数据输出
2.预处理
```
+ ***1_2.LSTM多变量2***
```
1.LSTM数据预处理
```
+ ***1_3.LSTM多变量3***
```
1.定义&训练模型
2.数据预处理
```
### 3.Multi-Step LSTM预测(shampoo-sales)
+ ***1_1.Multi-Step LSTM预测1***
```
1.静态模型预测
```
+ ***1_2.Multi-Step LSTM预测2***
```
1.多步预测的LSTM网络
```
# 二、LSTM_Fly(airline-passengers)
```
1.LSTM回归网络(1→1)
2.移动窗口型回归(3→1)
3.时间步长型回归(3→1)
4.批次之间具有记忆的LSTM
5.批次之间具有堆叠的LSTM
```
# 长短周期记忆网络(LSTM)
## 一、LSTM的特性
### 1.使用编码器-解码器LSTM来回显随机整数序列
```
01.准备回声序列数据
02.预测回声序列
03.编码器 - 解码器模型
04.代码2回声序列的一个简易版,可观测数据
```
### 2.输入输出对和TimeDistributed
```
01.一对一LSTM
02.多对一LSTM(没有TimeDistributed)
03.多对多LSTM(具有TimeDistributed)
```
### 3.有状态网络的输入输出对预测
```
01.输入-输出对
02.重塑数据
03.有状态的LSTM网络的完整示例
```
## 二、Keras中长短期记忆模型的5步生命周期
```
01.Keras中长短期记忆模型的5步操作
02.Keras中长短期记忆模型的5步操作代码分析
```
## 三、LSTM的数据准备
### 1.处理序列预测中的缺失时间步长
```
01.创建一个序列的演示
02.对缺失值进行学习
03.忽略缺失的学习
04.删除缺失的序列数据
05.替换缺失的序列数据
```
### 2.归一化标准化长短期内存网络的数据
```
01.标准化
02.归一化
```
### 3.使用差异变换消除趋势和季节性
```
01.差分用于消除季节性
02.差分用于消除趋势
```
### 4.在编写one-hot编码序列数据
```
01.one-hotenoder与Keras
02.one-hotenoder与scikit学习
03.手动one-hotenoder
```
### 5.重塑Keras中长短期内存网络的输入数据
```
01.单输入样本的LSTM示例
02.具有多个输入功能的LSTM示例
03.如何为长短期记忆网络准备单变量时间序列数据
```
## 四、使用LSTM建模
### 1.堆叠的长短期记忆网络
```
01.在Keras中实现堆叠LSTM 2D输出
02.在Keras中实现堆叠LSTM 3D输出
```
### 2.如何调用Keras中的长短期记忆模型
```
01.保存模型并加载
```
### 3.如何诊断LSTM模型的过度拟合和欠拟合
```
01.训练周期不足
02.合格的例子
03.过度拟合的例子
04.多次拟合评估
```
## 五、LSTM实例
### 1.空气质量(多变量预测)
```
01.数据准备
02.数据画图展示
03.将数据转换成监督学习数据
04.一天预测一天
05.三天预测一天
```
### 2.洗发水销量(单步预测)
```
01.数据集图示
02.构造简单的滞后模型
03.构造监督型数据结构
04.数据差分法
05.数据缩放法
06.LSTM模型实例
07.LSTM模型性能测评
08.代入股票数据测试
09.不做差分的股票数据预测
10.抽取数据做验证集画损失图
```
### 3.洗发水销量(多步预测)
```
01.数据集图示
02.监督学习型数据准备
03.静态假数据预测效果
04.训练神经网络预测
```
没有合适的资源?快使用搜索试试~ 我知道了~
LSTM预测模型_预测
共132个文件
py:75个
csv:26个
txt:15个
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
5星 · 超过95%的资源 15 下载量 191 浏览量
2022-07-15
02:33:46
上传
评论 7
收藏 4.74MB ZIP 举报
温馨提示
LSTM预测,多步预测,单变量,多变量
资源详情
资源评论
资源推荐
收起资源包目录
LSTM预测模型_预测 (132个子文件)
checkpoint 77B
checkpoint 77B
pollution.csv 2.2MB
air_pollution_new.csv 2.2MB
air_pollution_new.csv 2.2MB
pollution.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
raw.csv 1.88MB
pollution.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 483B
shampoo-sales.csv 483B
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
.gitignore 50B
lstm_model.h5 29KB
LSTM-master.iml 291B
modle.ckpt.index 936B
modle.ckpt.index 930B
README.md 4KB
modle.ckpt.meta 305KB
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.编码器 - 解码器模型.py 2KB
3.将数据转换成监督学习数据.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
替换缺失的序列数据.py 738B
差分用于消除季节性.py 736B
删除缺失的序列数据.py 733B
共 132 条
- 1
- 2
Kinonoyomeo
- 粉丝: 74
- 资源: 1万+
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 论文(最终)_20240430235101.pdf
- 基于python编写的Keras深度学习框架开发,利用卷积神经网络CNN,快速识别图片并进行分类
- 最全空间计量实证方法(空间杜宾模型和检验以及结果解释文档).txt
- 5uonly.apk
- 蓝桥杯Python组的历年真题
- 2023-04-06-项目笔记 - 第一百十九阶段 - 4.4.2.117全局变量的作用域-117 -2024.04.30
- 2023-04-06-项目笔记 - 第一百十九阶段 - 4.4.2.117全局变量的作用域-117 -2024.04.30
- 前端开发技术实验报告:内含4四实验&实验报告
- Highlight Plus v20.0.1
- 林周瑜-论文.docx
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论13