- 博客(4)
- 收藏
- 关注
原创 Datawhale AI夏令营学习笔记之Task3
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。更复杂的模型结构:如引入注意力机制的LSTM模型,以更好地捕捉时间序列中的长期依赖关系。多模态数据融合:结合时间序列数据和其他类型的数据,如文本或图像,以提供更全面的分析。模型解释性:提高模型的可解释性,以便更好地理解预测结果。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。实时预测。
2024-07-20 16:25:15 818
原创 Datawhale AI夏令营学习笔记
赛题数据由训练集和测试集组成,为了保证比赛的公平性,将每日日期进行脱敏,用1-N进行标识。即1为数据集最近一天,其中1-10为测试集数据。数据集由字段id(房屋id)、 dt(日标识)、type(房屋类型)、target(实际电力消耗)组成。
2024-07-17 15:21:50 840
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人