Python用RNN神经网络：LSTM、GRU、回归和ARIMA对COVID19新冠疫情人数时间序列预测|附代码数据

df=pd.read_csv("C://global.csv")

df.head(10)

d1=df.groupby(['Country/Region']).sum()

from numpy.random import seed



    plt.plot(F[i], label = RD[i])

    plt.show()

# 我们不需要前两列

d1=d1.iloc[:,2:]

# # 检查是否有空值



d1.isnull().sum().any()

dlycnmdcas.head()

dalycnfreces.index

dal_cnre_ces.index = pd.to_datetime(dailyonfrmd_as.index)

plt.plot(dalnimedases)

ne_ces = daiy_onme_as.diff().dropna().astype(np.int64)

newcaes

plt.plot(ne_s[1:])

nw_s.shape

(153,)

ct=0.75

trin_aa,tet_aa = train_test_split(ne_ces, pct)

(116,)
``````
plt.plot(tainta)

plt.plot(tesata)

scaler = MinMaxScaler()

testa.shape

(38, 1)

lentTe = len(ts_data)

for i in range(timmp, lenhTe):

    X_st.append(tst_aa[i-tmStap:i])

    y_tt.append(tesata[i])



X_tet=np.array(X_ts)

ytes=np.array(y_tt)

X_st.shape

Xtrn.shape

#  序列的样本 

X_trn[0], yran[0]

model.summary()

model.fit(X_trn y_rin, epochs=50, batch_size=200)

yprd = (mod.predict(X_test))

MSE = mean_squared_error(ytue, y_rd)



plt.figure(figsize=(14,6))

meRU= Sqtal([

                keras.layers.GRU(









model_GRU.fit(Xtrn, ytin,epochs=50,batch_size=150)

pe_rut = {}



y_ue = (y_et.reshape(-1,1))

y_prd = (modlGU.predict(X_test))

MSE = mean_squared_error(y_ue, ed)

d__in.shape

moel=LinearRegression(nos=-2)

#我们不需要前两列

df1.head()

daly_nfrd_cses = df1.sum(axis=0)

day_cnir_ase.index = pd.to_datetime(da_onieses.index)

new_cs = dacofmecss.diff().dropna().astype(np.int64)



tri_ta,tet_ata = trintt_it(nw_es, pct)

ero = men_squred_eror(ts_ar, pricos)

plt.figure(figsize=(12,7))

plt.plot(tanat)