时间序列预测 | Python实现GAN时间序列数据生成建模
基本介绍
TimeGAN,这是一种专门用于生成合成时间序列数据的方法。
时间序列数据基本上是上表在第 3 维的扩展,其中每个新表只是新时间步长的另一个数据集。
那么时间序列数据与常规表格数据主要的区别是时间序列数据与表格数据相比有更多的数据点实例。
实例分析
如果我们看一下下面数据集,它实际上看起来只是一个常规的表格数据集,每一行都意味着一个新的时间步长,并以特性的形式具有相应的数据点。根据数据列,每个条目在持续10分钟后被记录。
但是我们在前一节中看到它看起来像一个3D表格数据集。在这里,我们可以使用一种采样数据点的方法来创建第三维。我们取一个大小为24的窗口(也叫滑动窗口),并沿着数据集的行运行它,每次移动一个位置,从而获得一定数量的2D矩阵,每个矩阵的长度为24,并具有所有列特征。
- 在这个数据集中&#x