from?math?import?sqrt
from?numpy?import?concatenate
from?matplotlib?import?pyplot
from?pandas?import?read_csv
import?numpy?as?np
from?pandas?import?Dataframe
from?pandas?import?concat
from?sklearn.preprocessing?import?MinMaxScaler
from?sklearn.preprocessing?import?LabelEncoder
from?sklearn.metrics?import?mean_squared_error
from?keras.models?import?Sequential
from?keras.layers?import?LSTM?Dense?DropoutActivation
from?keras?import?optimizers
from?keras?import?regularizers

#?將序列轉換為監(jiān)督學習問題
def?series_to_supervised（data?n_in=1?n_out=1?dropnan=True）:
????n_vars?=?1?if?type（data）?is?list?else?data.shape[1]
????df?=?Dataframe（data）
????cols?names?=?list（）?list（）
????#?input?sequence?（t-n?...?t-1）
????for?i?in?range（n_in?0?-1）:
????????cols.append（df.shift（i））
????????names?+=?[（‘var%d（t-%d）‘?%?（j?+?1?i））?for?j?in?range（n_vars）]
????#?forecast?sequence?（t?t+1?...?t+n）
????for?i?in?range（0?n_out）:
????????cols.append（df.shift（-i））
????????if?i?==?0:
????????????names?+=?[（‘var%d（t）‘?%?（j?+?1））?for?j?in?range（n_vars）]
????????else:
????????????names?+=?[（‘var%d（t+%d）‘?%?（j?+?1?i））?for?j?in?range（n_vars）]
????#?put?it?all?togethe
????agg?=?concat（cols?axis=1）
????agg.columns?=?names
????#?drop?rows?with?NaN?values
????if?dropnan:
????????agg.dropna（inplace=True）
????return?agg


#?加載數(shù)據(jù)集
dataset?=?read_csv（‘D:\data\YA\predict2.csv‘?header=0?index_col=0）
values?=?dataset.values
values=np.log1p（values）
#?確保所有數(shù)據(jù)是浮動的
values?=?values.astype（‘float64‘）
#?歸一化特征
scaler?=?MinMaxScaler（feature_range=（0?1））
scaled?=?scaler.fit_transform（values）
#?指定滯后時間大小
n_hours?=1
n_features?=3
#?構建監(jiān)督學習問題
reframed?=?series_to_supervised（scaled?n_hours?1）
print（reframed）

#?分為訓練集和測試集
values?=?reframed.values
n_train_hours?=?int（len（dataset）?*?0.9）
train?=?values[:n_train_hours?:]
test?=?values[n_train_hours:?:]
#?分為輸入和輸出
n_obs?=?n_hours?*?n_features
train_X?train_y?=?train[:?:n_obs]?train[:?-n_features]
test_X?test_y?=?test[:?:n_obs]?test[:?-n_features]
print（train_X.shape?len（train_X）?train_y.shape）
#?重塑為3D形狀?[samples?timesteps?features]
train_X?=?train_X.reshape（（train_X.shape[0]?n_hours?n_features））
test_X?=?test_X.reshape（（test_X.shape[0]?n_hours?n_features））
print（train_X.shape?train_y.shape?test_X.shape?test_y.shape）

#?設計網絡
model?=?Sequential（）
model.add（LSTM（128input_shape=（train_X.shape[1]?train_X.shape[2]）return_sequences=True））
model.add（Dropout（0.5））
model.add（LSTM（256?return_sequences=False?））
model.add（Dropout（0.5））
model.add（Dense（1））
model.add（Activation（‘sigmoid‘））
adam?=?optimizers.Adam（lr=0.003?beta_1=0.9?beta_2=0.999?epsilon=1e-08）
model.compile（loss=‘mae‘?optimizer=adam）
#?fit?network
history?=?model.fit（train_X?train_y?epochs=200?batch_size=8?validation_data=（test_X?test_y）?shuffle=False）
#?plot?history
pyplot.plot（history.history[‘loss‘]?label=‘train‘）
pyplot.plot（history.history[‘val_loss‘]?label=‘test‘）
pyplot.legend（）

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????文件????????4082??2018-12-21?19:46??LSTM時間序列預測\LSTM2.py
?????文件????????4101??2018-12-21?20:03??LSTM時間序列預測\LSTM時間序列.py
?????文件????????5452??2018-12-21?19:48??LSTM時間序列預測\zxq.csv
?????目錄???????????0??2018-12-26?19:20??LSTM時間序列預測\