使用LSTM进行时间序列预测

import numpy
import matplotlib.pyplot as plt
from pandas import read_csv
import math
from keras.models import Sequential
from keras.layers import Dense
from keras.layers import LSTM
from sklearn.preprocessing import MinMaxScaler
from sklearn.metrics import mean_squared_error
import  pandas as pd
import  os
from keras.models import Sequential load_model
# load the dataset
dataframe = read_csv（‘./international-airline-passengers.csv‘ usecols=[1] engine=‘python‘ skipfooter=3）

dataset = dataframe.values
train_size = int（len（dataset） * 0.65）
scaler = MinMaxScaler（feature_range=（0 1））
dataset = scaler.fit_transform（dataset）
trainlist = dataset[:train_size:]
testlist = dataset[train_size::]



# X is the number of passengers at a given time （t） and Y is the number of passengers at the next time （t + 1）.

# convert an array of values into a dataset matrix
def create_dataset（dataset look_back）:
#这里的look_back与timestep相同
    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]）

    return numpy.array（dataX）n