时间序列预测
萧居士
这个作者很懒,什么都没留下…
展开
-
keras实现LSTM单变量时间序列预测——股票价格预测
预测股市将如何变化历来是最困难的事情之一。这个预测行为中包含着如此之多的因素—包括物理或心理因素、理性或者不理性行为因素等等。所有这些因素结合在一起,使得股价波动剧烈,很难准确预测。使用机器学习可能改变游戏规则吗?机器学习技术使用最新的组织公告、季度收益等作为特征,有潜力挖掘出我们以前没有见过的模式和见解,并可用于准确无误的预测。在本文中,我们将研究上市公司股价的历史数据。我们将结合机器学习算...原创 2019-11-01 09:06:53 · 3675 阅读 · 4 评论 -
keras实现LSTM单变量时间序列预测——国际航班乘客预测
https://blog.csdn.net/zyxhangiian123456789/article/details/87458140对于较为简单的时间序列预测问题,可以使用Exponential Smoothing和ARIMA等传统模型非常方便地求解。然而,对于复杂的时间序列预测问题,LSTM不失为一种很好的选择。因此,本文旨在探讨如何利用LSTM神经网络求解时间序列预测问题。首先,需要明白时...原创 2019-11-05 23:22:58 · 5155 阅读 · 0 评论 -
Matlab及Python实现插值——季度变月度
一维插值插值不同于拟合。插值函数经过样本点,拟合函数一般基于最小二乘法尽量靠近所有样本点穿过。常见插值方法有拉格朗日插值法、分段插值法、样条插值法。拉格朗日插值多项式:当节点数n较大时,拉格朗日插值多项式的次数较高,可能出现不一致的收敛情况,而且计算复杂。随着样点增加,高次插值会带来误差的震动现象称为龙格现象。分段插值:虽然收敛,但光滑性较差。样条插值:样条插值是使用一种名为样条的特殊分段...原创 2019-11-12 21:32:41 · 5370 阅读 · 2 评论