目录
A Survey
Lim, B., & Zohren, S. (2020). Time Series Forecasting With Deep Learning: A Survey. arXiv preprint arXiv:2004.13408.
[TODO]
DeepAR
- Salinas, D., Flunkert, V., Gasthaus, J., & Januschowski, T. (2020). DeepAR: Probabilistic forecasting with autoregressive recurrent networks. International Journal of Forecasting. https://doi.org/10.1016/j.ijforecast.2019.07.001
Advantages
- 概率预测:得出的是分布预测。方便后续决策优化。
- 考虑多序列相关性: 使用大量序列的特征进行训练一个global model,之后对每个序列单独应用。解决了一组品,既有爆品也有长尾的问题。即便切分成subgroup还是同样的问题。作者使用log-log图表达power law也就是类似二八定律带来的scale invariance问题。
- 新品预测
- 特征工程:自动进行一些数据填充和序列间归一等等(Amazon SageMaker, GluonTS)
Algo
一图搞定:使用LSTM网