深度森林实现时间序列预测(Python)
用深度森林算法借助周志华老师deep-forest项目,实现时间序列的预测
deep-forest使用文档
安装命令如下:
pip install deep-forest
python代码如下:
# 时间序列深度森林预测
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.ticker as ticker
import numpy as np
import statsmodels.tsa.stattools as ts
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score,mean_squared_error,mean_absolute_error
from deepforest import CascadeForestRegressordef prediction(X,y):X_train, X_test, y_train, y_test = train_test_split(X, y,random_state=1)model = CascadeForestRegressor(random_state=1)# Train and evaluatemodel.fit(X_train, y_train)y_pred = model.predict(X_test)mae_df = mean_absolute_error(y_test,y_pred)mse_df = mean_squared_error(y_test,y_pred)# 以下代码将预测的均方误差与平均绝对误差写入mse.txtfilename = 'mse.txt' f = open(filename,'a')f.writelines([str(mse_df),' ',str(mae_df),'\n']) # 打印均方误差与平均绝对误差print(mse_df)print(mae_df)data = pd.read_csv('series.csv') # 读取csv数据
# 定义 X,60是data['series1']数据长度
X = np.arange(0,60).reshape(60,1)
# Load data
# 打印出两种模型的均方误差
prediction(X,data['series1'])
prediction(X,data['series2'])
prediction(X,data['series3'])
prediction(X,data['series4'])
prediction(X,data['series5'])
prediction(X,data['series6'])
prediction(X,data['series7'])
prediction(X,data['series8'])
prediction(X,data['series9'])
prediction(X,data['series10'])
代码所用的时间序列测试集series.csv10列60行,每一列是一组不同特征的时间序列,点此下载
深度森林实现时间序列预测(Python)相关推荐
- 深度学习多变量时间序列预测:Encoder-Decoder LSTM算法构建时间序列多变量模型预测交通流量+代码实战
深度学习多变量时间序列预测:Encoder-Decoder LSTM算法构建时间序列多变量模型预测交通流量+代码实战 LSTM是一种时间递归神经网络,适合于处理和预测时间序列中间隔和延迟相对较长的重要 ...
- 深度学习多变量时间序列预测:LSTM算法构建时间序列多变量模型预测交通流量+代码实战
深度学习多变量时间序列预测:LSTM算法构建时间序列多变量模型预测交通流量+代码实战 LSTM(Long Short Term Memory Network)长短时记忆网络,是一种改进之后的循环神经网 ...
- 深度学习多变量时间序列预测:Bi-LSTM算法构建时间序列多变量模型预测交通流量+代码实战
深度学习多变量时间序列预测:Bi-LSTM算法构建时间序列多变量模型预测交通流量+代码实战 人类并不是每时每刻都从一片空白的大脑开始他们的思考.在你阅读这篇文章时候,你都是基于自己已经拥有的对先前所见 ...
- 深度学习多变量时间序列预测:卷积神经网络(CNN)算法构建时间序列多变量模型预测交通流量+代码实战
深度学习多变量时间序列预测:卷积神经网络(CNN)算法构建时间序列多变量模型预测交通流量+代码实战 卷积神经网络,听起来像是计算机科学.生物学和数学的诡异组合,但它们已经成为计算机视觉领域中最具影响力 ...
- 深度学习多变量时间序列预测:GRU算法构建时间序列多变量模型预测交通流量+代码实战
深度学习多变量时间序列预测:GRU算法构建时间序列多变量模型预测交通流量+代码实战 GRU是LSTM网络的一种效果很好的变体,它较LSTM网络的结构更加简单,而且效果也很好,因此也是当前非常流形的一种 ...
- matlab使用深度学习进行时间序列预测
使用深度学习进行时间序列预测 - MATLAB & Simulink - MathWorks 中国 Deep Learning Toolbox 快速入门 - MathWorks 中国
- 时间序列预测 | Python实现Transformer时间序列数据预测
时间序列预测 | Python实现Transformer时间序列数据预测 目录 时间序列预测 | Python实现Transformer时间序列数据预测 基本介绍 Transformer设计 Tran ...
- 基于深度学习的时间序列预测方法
之前对时间序列预测的方法大致梳理了一下,最近系统的学习了深度学习,同时也阅读了一些处理序列数据的文献,发现对于基于深度学习的时间序列预测的方法,还可以做进一步细分:RNN.Attention和TCN. ...
- python预测算整理集合 python根据历史数据,预测未来数据 神经网络时间序列预测python 销售收入分析与预测 神经网络预测控制 Python 源码 4个lstm做数据预测的案例源代码
python 预测未来/神经网络/负荷/飞机零件故障/链路预测程序源码 1.python实现TensorFlow2股票股价预测(源码) 2.负荷预测(py thon例子,实时负荷预测,15分钟到4小时 ...
- 时间序列预测 | Python实现LSTM多变量时间序列数据预测
时间序列预测 | Python实现LSTM多变量时间序列数据预测 目录 时间序列预测 | Python实现LSTM多变量时间序列数据预测 基本介绍 程序设计 参考资料 基本介绍 时间序列分析(Time ...
最新文章
- python 内存中的文件操作 StringIO cStringIO 简介
- .net HtmlParser初步使用研究
- python处理pdf提取指定数据_python从PDF中提取数据的示例
- 使用Google Cloud Storage托管您的Maven工件
- vscode 结束_21 个VSCode 快捷键,让代码更快,更有趣
- Tensorflow一些常用基本概念与函数(4)
- 浏览器渲染页面的过程
- c#如何实现IComparable接口
- 联系人字段中增加生日字段
- Windows界面编程第十二篇 位图显示特效 飞入效果与伸展效果
- python爬虫实时转发文章新闻;微信机器人使用;
- 跳频技术——学习总结(一)
- 软件工程师具体的工作内容是什么?
- 输入qq号强制进空间_终于能改QQ号了?!快来设置
- Java double value_Java Double doubleValue()用法及代码示例
- 分蛋糕、思路视频(动态规划)
- css定位(二)---css中粘性定位(sticky)---C3新增属性
- vue 项目使用 Clipboard-复制文本或图片到剪贴板
- 微信去除 防欺诈或盗号请不要输入qq密码 的方法
- go: no such tool “compile“(一次糟糕体验)