- 博客(3)
- 收藏
- 关注
原创 Datawhale AI 夏令营学习笔记 task03
时间序列预测是一个不断发展的领域,随着技术的进步,我们可以期待更多的优化方法和模型的出现。深度学习模型,特别是LSTM和其变体,已经在许多时间序列预测任务中显示出了优越的性能。未来的研究可能会集中在以下几个方面:模型鲁棒性:提高模型对异常值和噪声的鲁棒性。随着技术的不断发展,我们可以期待时间序列预测在准确性、效率和应用范围上都会有显著的提升。实时预测:提高模型在实时数据流上的预测能力。自动化特征工程:开发自动化的特征工程工具,以减少手动特征提取的工作量。模型解释性。
2024-07-20 19:27:56
894
原创 Datawhale AI 夏令营学习笔记 task02
此次学习中,主要任务是使用进阶的解决本次问题,以达到更好的预测效果。从中学会了。特征工程是参与机器学习竞赛的重要环节,可以通过并改善特征或者构建新的。
2024-07-16 21:07:49
714
空空如也
逻辑回归训练集与测试集的accurac都为None
2024-07-02
TA创建的收藏夹 TA关注的收藏夹
TA关注的人