pandasとnumpyの切り替えがうまくいきません

 前提・実現したいこと

https://qiita.com/tsunaki/items/a5f3f975a31dc45fc9c9
を参考に株価予想をしようとしています。

http://k-db.com/
のサービスが終了しているので、自分で作成したcsvデータを読み込んでいるのですが、サンプルコード通りにpandasで読み込んでas_matrixを使ってnumpyに切り替えているつもりなのですが、エラーが出ます。

データのロードのところくらいしか変更していないのですが、なぜエラーになるのでしょうか。また、どのように修正したらよいのでしょうか。

 発生している問題・エラーメッセージ

AttributeError: 'numpy.float64' object has no attribute 'as_matrix'

 該当のソースコード

全部載せると長いのですが一応全部載せます。

# -*- coding: utf-8 -*-

import numpy
import pandas
import matplotlib.pyplot as plt

from sklearn import preprocessing
from keras.models import Sequential
from keras.layers.core import Dense, Activation
from keras.layers.recurrent import LSTM

class Prediction :

  def __init__(self):
    self.length_of_sequences = 10
    self.in_out_neurons = 1
    self.hidden_neurons = 300

  def load_data(self, data, n_prev=10):
    X, Y = [], []
    for i in range(len(data) - n_prev):
      X.append(data.iloc[i:(i+n_prev)].as_matrix())
      Y.append(data.iloc[i+n_prev].as_matrix())
    retX = numpy.array(X)
    retY = numpy.array(Y)
    return retX, retY

  def create_model(self) :
    model = Sequential()
    model.add(LSTM(self.hidden_neurons, \
              batch_input_shape=(None, self.length_of_sequences, self.in_out_neurons), \
              return_sequences=False))
    model.add(Dense(self.in_out_neurons))
    model.add(Activation("linear"))
    model.compile(loss="mape", optimizer="adam")
    return model

  def train(self, X_train, y_train) :
    model = self.create_model()
    # 学習
    model.fit(X_train, y_train, batch_size=10, epochs=100)
    return model

batch_xs=pandas.read_csv('batch_xs.csv',header=None)
test_xs=pandas.read_csv('test_xs.csv',header=None)

x_train, y_train = prediction.load_data(batch_xs.iloc[:,0], prediction.length_of_sequences)
x_test,  y_test  = prediction.load_data(test_xs.iloc[:,0], prediction.length_of_sequences)


if __name__ == "__main__":

  prediction = Prediction()
  model = prediction.train(x_train, y_train)

  predicted = model.predict(x_test)
  result = pandas.DataFrame(predicted)
  result.columns = ['predict']
  result['actual'] = y_test
  result.plot()
  plt.show()