LSTM 时间序列预测
对于 LSTM 神经网络的概念想必大家也是熟练掌握了，所以本文章不涉及对 LSTM 概
念的解读，仅解释如何使用**pytorch**使用 LSTM 进行时间序列预测，复原使用代码实现的
全流程。
数据获取与预处理
首先预览一下本次实验使用的数据集，该数据集共有三个特征，将最后一列的压气
机出口温度作为标签预测（该数据集是我在 git 上收集到的）
定义一个 xls 文件读取的函数，其中 data.iloc()函数是将 dataframe 中的数据进
行切片，返回数据和标签
# 文件读取
def get_Data(data_path):
data=pd.read_excel(data_path)
data=data.iloc[:,:3] # 以三个特征作为数据
label=data.iloc[:,2:] # 取最后一个特征作为标签
print(data.head())
print(label.head())
return data,label
使用 sklearn 中的 preprocessing 模块中的归一化函数对数据进行归一化处理，
其中 data=data.values 函数是将 dataframe 中的数据从 pd 格式转换 np 数组，删除轴标
