机器学习与深度学习
文章平均质量分 55
智能优化_数据分析_AI算法
博客中的任何问题,欢迎私信与我交流。
展开
-
基于LSTM算法的风电功率区间预测【含源代码】
可以看出,不同置信度条件下的预测区间与风电功率实际值的波动大致相同,表明本文的方法能够准确预测风电功率变化,此外在实际值变化剧烈的地方置信区间越宽,表明预测可信度变低,这也与实际情况相符合。对比预测未来不同时间步的预测区间,预测的误差在增大。数据集为2018年6月2日-2018年8月9日的6624个样本,采样间隔为15 分钟。以测试样本集中2018年8月5日-6日的6:00、12:00 和18:00为例,根据LSTM分位数预测未来60min后的结果,采用核密度估计,生成风电功率的概率密度曲线。原创 2022-09-05 23:30:36 · 6820 阅读 · 42 评论 -
时序算法交叉验证法python实现
介绍:交叉验证_百度百科时序算法模型的交叉验证:需求:我们在进行机器学习算法,为了保能够得到可靠稳定的模型,通常需要用到交叉验证法来对模型进行验证。常见的交叉验证形式有Holdout验证,K-fold验证,留一验证等。与其他机器学习算法不同,时序算法由于数据具有前后关系,因此使用KFold方法无法满足要求,本文将介绍一种利用sklearn库中的TimeSeriesSplit方法,以下是以LSTM模型预测股票数据为例子,采用交叉验证法的具体代码实现。交叉验证法:import pand原创 2022-04-03 00:39:00 · 2740 阅读 · 0 评论