预测模型，这里使用LSTM来进行预测，利用Keras使用内置的Tensorflow。
使用的数据为XXXX的销量数据。
使用
特征是日期、星期、是否是节假日、销量；
预测的目标特征是销量；
这个模型由于我设置预测的参数和输入的数据目标列是1，所以每次预测结果是一个值。
其实各模块如下：
模型中使用参数列表说明如下：
复制代码
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21""" 模型参数说明： path=path, 数据源文件路径 start_row=0, 数据开始的行号 end_row=454, 数据结束的行号 start_col=1, 选取的开始的列 end_col=4, 选取的结束的列 features=features, 筛选的特征 dis_features=dis_features, 离散的特征 seq_features=seq_features, 连续线性的特征 sheet_name=0, excel的sheet名字 header=0, excel中是否选取header index_col=None, excel是否选取固定列 step=7, 步长 target_index=0, 目标特征 seq_target_index=0, 线性目标特征索引 split=0.8, 划分训练与测试数据的百分比 neurons=neurons, 神经元的列表 loss="mse", 损失函数 metrics=['accuracy'], 衡量损失函数的函数 optimizer=Adam(lr=0.001, beta_1=0.9,
最后
以上就是听话朋友最近收集整理的关于LSTM神经网络实战 --- Python实现LSTM预测销量的全部内容，更多相关LSTM神经网络实战内容请搜索靠谱客的其他文章。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复