TensorFlow练习19: 预测天朝铁路客运量

以前做的练习还没有涉及过时间序列数据(洋文Time Series Data),一个最明显的例子是股票价格。

时间序列数据是指在不同时间点上收集到的数据,这类数据反映了某一事物、现象等随时间的变化状态或程度。

一年一度的春节又要来了,火车票已经开售。本帖就简单预测一下未来几个月天朝铁路客运量。

铁路客运量历史数据

铁路客运量.csv(2005-2016月度数据),数据来源于国家捅计菊。

使用matplotlib画出数据走势:

TensorFlow练习19: 预测天朝铁路客运量
总体呈增长趋势, 每年又有淡季和旺季

代码:

TensorFlow练习19: 预测天朝铁路客运量
红色曲线是预测值

网友提问:怎么判断模型已训练到最优?

简单回答:使用TensorBoard绘出loss和准确率。

最近在看一部动画,名叫《瑞克和莫蒂》,是关于科幻大冒险的、脑洞极大。

如要转载,请保持本文完整,并注明作者@斗大的熊猫和本文原始地址: http://blog.topspeedsnail.com/archives/10845

相关文章

《TensorFlow练习19: 预测天朝铁路客运量》有4个想法

    1. 一樣…成功train了model但最後prediction()有error, 有沒有人完整run到最後prediction的圖?謝~

      ValueError: Variable lstm/RNN/BasicLSTMCell/Linear/Matrix already exists, disallowed. Did you mean to set reuse=True in VarScope? Originally defined at:

      1. 对代码先恢复train_rnn()并且注释掉prediction(),即先运行定义的train_rnn函数,得到ass.model模型;再对代码注释掉train_rnn()并且恢复prediction(),即不再运行定义的train_rnn函数,直接运行定义的prediction函数。 ps:得到的图形和博主的图差好多,还不知道哪里的问题

发表评论

电子邮件地址不会被公开。 必填项已用*标注