首页
后端开发
Python
利用LSTM模型进行预测

利用LSTM模型进行预测

21 次浏览 0 条评论
rar
rar

LSTM模型是一种用于预测的有效工具。它可以处理时间序列数据，并在预测中表现出色。通过LSTM模型，我们可以更准确地预测未来的趋势和模式。

rar
基于长短期记忆网络模型（LSTM）的共享单车使用情况预测.rar 预估大小：37个文件
folder
基于长短期记忆网络模型（LSTM）的共享单车使用情况预测 文件夹
folder
LSTM-Shared--Bicycle-master 文件夹
folder
doc 文件夹
file
simpread-如何简单的理解LSTM——其实没有那么复杂 - 简书.md 12KB
file
corr.png 28KB
file
数据项含义图.jpg 295KB
folder
data 文件夹
file
day.csv 56KB
file
hour.csv 1.09MB
file
visualization.py 9KB
folder
database 文件夹
file
y_valid.csv 110KB
file
y_train.csv 888KB
file
y_test.csv 110KB
file
X_train.csv 3.67MB
file
X_valid.csv 469KB
file
X_test.csv 469KB
file
scaled_features.json 311B
file
LSTM-model.py 9KB
file
requirements.txt 128B
file
.gitignore 5KB
file
LSTM-predict.py 2KB
file
README.md 3KB
file
Bike_Sharing.py 23KB
folder
result 文件夹
file
预测值与真实值对比图.png 96KB
file
工作日与休息天每小时骑行人数统计.png 88KB
file
热力图.png 34KB
file
注册与临时用户一天中每小时骑行人数图.png 40KB
file
model.h5 12.22MB
file
湿度-骑行人数图.png 81KB
file
月份-骑行人数图.png 17KB
file
温度-骑行人数图.png 37KB
file
四季中每小时骑行人数统计图.png 71KB
file
模型损失函数图像.png 18KB
file
风速-骑行人数图.png 61KB
file
体感温度-骑行人数图.png 36KB
file
日期-骑行人数图.png 20KB
folder
.idea 文件夹
file
workspace.xml 12KB
file
misc.xml 294B
file
modules.xml 411B
file
基于长短期记忆网络模型（LSTM）的共享单车使用情况预测.iml 408B
file
encodings.xml 138B
rar 文件大小：7.86MB