python lstm天气预测

python lstm天气预测 为什么第四行总是报错

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
from keras.layers import Dense, LSTM, Input
from tensorflow.keras.callbacks import EarlyStopping
from tensorflow.keras import optimizers
from keras.models import Model
from sklearn.metrics import mean_squared_error, mean_absolute_error, r2_score
def creat_dataset(dataset, look_back):
    dataX, dataY = [], []
    for i in range(len(dataset)-look_back-1):
        a = dataset[i:(i+look_back)]
        dataX.append(a)
        dataY.append(dataset[i+look_back])
    print(np.array(dataX).shape)
    print(np.array(dataY).shape)
    return np.array(dataX), np.array(dataY)
# 读取数据
df = pd.read_csv('handan.csv')

# 特征工程
look_back = 1
dataset = np.array(df[['tem']])
trainX, trainY = creat_dataset(dataset, look_back)
# lstm
def model1(input_shape):
        inputs = Input(shape=input_shape)
        x = LSTM(64)(inputs)
        x = Dense(100)(x)
        x = Dense(1)(x)
        model = Model(inputs=inputs, outputs=x)  # 建立模型
        return model
# 模型的训练

model = model1(trainX.shape[1:])  # 实例化模型
batch_size = 4  # 每一训练批次的样本数量
epochs = 800  # 最大训练轮数
opt = optimizers.Adam(learning_rate=0.001)  # 优化器
model.compile(loss='mse',
              optimizer=opt,
              metrics=['mae', 'mse'])
early_stopping = EarlyStopping(monitor='loss', min_delta=0.001, patience=20)  # 早停策略
history = model.fit(
        trainX, trainY,
        batch_size=batch_size,
        epochs=epochs,
        use_multiprocessing=True,  # 使用多线程
        callbacks=[early_stopping])  # 训练模型
# 测试集上预测
trainPredict = model.predict(trainX)
trainPredict = pd.DataFrame(trainPredict)
trainY = pd.DataFrame(trainY)
yy = []
yy.append(trainY[0].values[-1:][0])
x = np.array([dataset[-1 * look_back:]])
# 预测未来n年
n = 10
for i in range(n):
        pred = model.predict(x)
        yy.append(pred[0][0])
        x = np.append(x[0], pred, axis=0)
        x = np.array([pd.DataFrame(x, columns=['rate']).values[-1 * look_back:]])

print("预测未来n年:", yy)
# 实际值与预测值比较图
plt.plot(trainY[0], color='blue', label='true')
plt.plot(trainPredict[0], color='red', label='pred')
plt.plot([x for x in range(len(trainY)-1, len(trainY) + n, 1)], yy, color='black', label='pred2')
plt.legend(loc='upper left')
plt.show()

# lstm评价
print("lstm:")
print("mse", mean_squared_error(trainY[0], trainPredict[0]))
print("mae", mean_absolute_error(trainY[0], trainPredict[0]))
print("r2_score", r2_score(trainY[0], trainPredict[0]))

把tensorflow. 去掉

不知道你这个问题是否已经解决, 如果还没有解决的话:

• 这有个类似的问题, 你可以参考下: https://ask.csdn.net/questions/7799433
• 我还给你找了一篇非常好的博客，你可以看看是否有帮助，链接：Python Lstm库函数的调用
• 除此之外, 这篇博客: Python时间序列LSTM预测系列教程（11）-多步预测中的 LSTM模型预测过程 部分也许能够解决你的问题, 你可以仔细阅读以下内容或者直接跳转源博客中阅读:
  
  
  
  1、数据预测处理，准备数据
  2、定义模型
  3、训练模型
  4、预测
  5、数据逆变换
  6、评估
  
  
• 您还可以看一下 刘廷龙老师的python实用项目代码分析讲解课程中的 Python预算算法实现lstm小节, 巩固相关知识点
  
• 以下回答来自chatgpt:

  本问题并没有给出具体的第四行报错信息，因此无法确定问题具体所在。但是，根据参考资料可以

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^