时间序列预测模型 MLP DNN网络详解 完整代码

from numpy import array
# 构造一元监督学习型数据
def split_sequence(sequence, n_steps):
  X, y = list(), list()
  for i in range(len(sequence)):
    # 获取待预测数据的位置
    end_ix = i + n_steps
    # 如果待预测数据超过序列长度，构造完成
    if end_ix >= len(sequence):
      break
    # 分别汇总 输入 和 输出 数据集
    seq_x, seq_y = sequence[i:end_ix], sequence[end_ix]
    X.append(seq_x)
    y.append(seq_y)
  return array(X), array(y)
# define input sequence
raw_seq = [10, 20, 30, 40, 50, 60, 70, 80, 90]
# 定义时间步，即用几个数据作为输入，预测另一个数据
n_steps = 3
# split into samples
X, y = split_sequence(raw_seq, n_steps)
print(X)
print(y)