import pandas as pdimport numpy as npfrom kerasmodels import Sequentialfrom keraslayers import LSTM Dense# 读取数据data = pdread_excelEpythonProject5深度学习新建 XLS 工作表xls# 将时间戳数据转换为数值类型data日期 = pdto_numericda
修改Xinput的astype属性
Xinput.astype = staticmethod(np.str_) Xinput.astype = staticmethod(np.int64)
将数据转化为二维数组并进行标准化
data = np.array(data) mu = np.mean(data) sigma = np.std(data) data = Z_ScoreNormalization(data, mu, sigma)
将数据转化为适合LSTM输入的形式
X = data[:, :-1] X = X.reshape((X.shape[0], X.shape[1], 1)) y = data[:, -1]
训练模型
model.fit(X, y, epochs=10, batch_size=32)
提取特征
feature_map = model.predict(X)
将特征保存到DataFrame中
feature_df = pd.DataFrame(feature_map, columns=['特征'])
将特征保存到Excel中
feature_df.to_excel('E:/pythonProject5/深度学习/特征.xls', index=False
原文地址: http://www.cveoy.top/t/topic/hw3P 著作权归作者所有。请勿转载和采集!