本文主要是介绍LSTM神经网络实战 --- Python实现LSTM预测销量，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
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,这篇关于LSTM神经网络实战 --- Python实现LSTM预测销量的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
