深度学习在时间序列分析中的应用

多个多步时间序列预测中的深度学习 该项目旨在利用深度学习来解决Kaggle竞争问题-网络流量时间序列预测（ ）。 PDF文件中将生成报告。 所有的python代码都在IPython笔记本中实现。 注意：比赛将于2017年11月13日结束。以上结果在排行榜中排名前2％。 非常感谢Kaggle和Google的研究组织了这场有趣且充满挑战的竞赛。 数据集 该数据集来自Kaggle竞赛，这是链接： Python库 它主要用于导入，保存，联接和分析数据框，例如使用read_csv，DataFrame，merge等。 它主要用于转换数组，例如采用log（）和exp（）。 使用其模型评估指标和预处理功能。 它用于构建神经网络体系结构，训练和保存模型以及预测新数据集，例如使用模型，图层，回调等。 它用于可视化时间序列和其他数字。