# gissa-exp5

**Repository Path**: DrZhangAtWHU/gissaexp5

## Basic Information

- **Project Name**: gissa-exp5
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2024-10-15
- **Last Updated**: 2024-10-16

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# gissa-exp5

## 安装 Anaconda

双击 `Anaconda3-2023.09-0-Windows-x86_64.exe` 安装包安装。

## 配置 conda
首先，打开 `Anaconda Powershell Prompt`。

### 查看所有虚拟环境

    conda env list

### 创建虚拟环境并激活

创建名为 `saexp5` 的虚拟环境。所用的 `Python` 版本为 `3.11` .

    conda create --name saexp5 python=3.11

执行如下命令，激活虚拟环境：

    conda activate saexp5

### 安装运行程序需要的依赖

从命令行进入 `exp5-lstm` 目录.

    cd /path/to/exp5-lstm

执行如下命令，安装依赖：

    pip install -r requirements.txt

该命令读取 `requirements.txt` 文件中的第三方库，从网络获取并安装。

## 安装配置 vs code

### 下载安装 vs code

访问 `https://code.visualstudio.com/Download` 下载 `vs code` 安装包，并安装。

### 安装扩展

打开 `vs code` 左侧扩展按钮，安装 `Python`, `Pylance`， `Python Debugger` 扩展


### 选择解释器

打开文件夹 `exp5-lstm/`，选择 `scripts/showdata.py` 。 在 `vs code` 单击解释器，选择 `saexp5` 对应的 `python.exe` 作为显示器。





##  `LSTM` 时序预测模型 

### 运行测试脚本

执行脚本 `showdata.py`，查看是否正常输出数据信息。

### 构建模型预测

示例为航空公司旅客人数预测，采用的模型为 `LSTM` 模型。本示例来自网络： https://machinelearningmastery.com/lstm-for-time-series-prediction-in-pytorch/

1. 执行 `train.py` ，查看运行结果
2. 尝试不同 `lookback` 参数，查看运行结果。
3. 当 `lookback` 分别为 1, 4, 10, 15 时，训练集的样本数分别是多少？每个样本的输入序列长度是多少？
4. 在 `train.py` 中，特征与目标的长度是相同的。如果将目标（即 `y` 的长度） 改为1，即仅预测下一个历元。预测效果如何？
5. 修改 `n_epochs` 参数，查看运行结果。是不是迭代次数越多，模型效果越好？
6. 修改 `utils.py:num_layers` 参数，查看运行结果。
7. 修改 `utils.py:hidden_size` 参数，查看运行结果。
8. 尝试寻找较优的 `num_layers` 与 `hidden_size`.


## 实习要求

1. 按本指南完成实习，对实验结果进行分析和总结。提交实验报告。

2. （选做）按照教材，编写 python 程序，进行新冠肺炎病例预测。

本次实习与第六次实习一起提交1个报告。