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 ...

深度森林实现时间序列预测（Python）

深度森林实现时间序列预测（Python）相关推荐

最新文章

热门文章