利用LSTM对一维销量数据进行销量预测（内附数据集）

最新推荐文章于 2025-06-24 09:29:48 发布

py学习小白

最新推荐文章于 2025-06-24 09:29:48 发布

阅读量4.1k

点赞数 11

CC 4.0 BY-SA版权

分类专栏：笔记文章标签： lstm python 人工智能

本文链接：https://blog.csdn.net/m0_58327216/article/details/127407290

1、数据概况

数据十分简单，就只有日期，以及对应的销量。

2、代码

本次我使用jupyter notebook 来整，，主要是可以更方便的看出每组代码的输出结果。代码如下，

#导入相关库
import numpy
import matplotlib.pyplot as plt
from keras.models import Sequential
from keras.layers import Dense
from keras.layers import LSTM
import  pandas as pd
import  os
from keras.models import Sequential, load_model
from sklearn.metrics import mean_absolute_error, mean_squared_error, r2_score
from sklearn.preprocessing import MinMaxScaler

然后进行数据导入和相关处理

dataframe = pd.read_csv(r"D:\桌面文件夹哦\数据统计\悠度数据\2特征.CSV", usecols=[1], engine='python', skipfooter=3)
dataset = dataframe.values
# 将整型变为float
dataset = dataset.astype('float32')
#归一化
scaler = MinMaxScaler(feature_range=(0, 1))
dataset = scaler.fit_transform(dataset)