Cycle Sync

🚀 周期同步：使用LSTM进行月经周期预测

本项目借助长短期记忆网络（LSTM）架构，依据用户过往经期历史数据，精准预测月经周期长度和经期持续时间，为女性健康管理提供有力支持。

🚀 快速开始

周期同步模型采用长短期记忆网络（LSTM）架构，通过对用户过往经期历史数据的学习，实现对月经周期长度和经期持续时间的预测。

✨ 主要特性

• 🧠 架构：采用具备时间序列输入的长短期记忆网络（LSTM）。
• 📊 用途：基于过往周期数据，预测下一次经期的开始日期和持续时间。
• 🎯 任务类型：时间序列预测
• 📚 框架：以TensorFlow为后端的Keras框架。
• 📈 缩放器：使用MinMaxScaler进行特征和标签缩放。

💻 使用示例

基础用法

import keras
from datetime import timedelta
import numpy as np
import pickle

# 从Hugging Face加载模型
model = keras.saving.load_model("hf://VishSinh/cycle-sync")

# 加载缩放器（如果需要）
with open("feature_scaler.pkl", "rb") as f:
    feature_scaler = pickle.load(f)

with open("label_scaler.pkl", "rb") as f:
    label_scaler = pickle.load(f)

📄 许可证

本项目采用Apache 2.0许可证。