【keras】利用LSTM进行单变量时间序列预测和多变量时间序列预测

        对于较为简单的时间序列预测问题，可使用Exponential Smoothing和ARIMA等传统模型很是方便地求解。然而，对于复杂的时间序列预测问题，LSTM不失为一种很好的选择。所以，本文旨在探讨如何利用LSTM神经网络求解时间序列预测问题。首先，须要明白时间序列预测问题是如何转换为传统的监督学习问题的，即时间窗方法。有关时间序列预测问题转换为监督学习的过程请移步：Time S

>>阅读原文<<