LSTM神经网络实战 --- Python实现LSTM预测销量

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：

"""
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

以上就是听话朋友为你收集整理的LSTM神经网络实战 --- Python实现LSTM预测销量的全部内容，希望文章能够帮你解决LSTM神经网络实战 --- Python实现LSTM预测销量所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。