2024年妈妈杯C题(Mathorcup)

本文介绍了在妈妈杯C题中,由于传统时间序列模型的局限性,如何通过特征工程(如滞后和移动平均)结合随机森林、线性回归和神经网络进行长期且更精确的货量预测。特别适合本科生尤其是大一新生参考。
摘要由CSDN通过智能技术生成

此次妈妈杯C题尤为经典,推荐本科生特别是大一新生参加。

第一小问,一个时间序列模型的应用。一般来说,是用到ARIMA或者SARIMA模型,但实际上,这种传统的时间序列模型并不能进行长期的预测,因为会随着时间出现逐渐平缓,并且也没有办法利用到预测y的其他x信息(数据较小,收敛过快,导致很多天数的货量相同),所以我们使用非常规时间序列方法,手动构造一系列特征进行预测,包括滞后12天的货量、移动平均3和6天的货量等一系列指标来进行预测!!对天数的预测最好进行随机森林,线性回归,神经网络来进行建模,在建模过程中会发现有奇效。

如有同学在c题上有疑问,可以来咨询,免费咨询,欢迎大家提问。

评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值