鍵.png)
突破最強(qiáng)時(shí)間序列模型，自回歸滑動平均！！
【AI驅(qū)動】
1. 什么是「時(shí)間序列」？ 時(shí)間序列就是隨著時(shí)間變化的數(shù)據(jù)。例如： 每天的氣溫記錄 每小時(shí)的股票價(jià)格 每周的店鋪銷售額 這些數(shù)據(jù)都有一個特點(diǎn)——它們是按照時(shí)間順序排列的，并且通常前面的數(shù)據(jù)會影響后面的數(shù)據(jù)。...
2025/01/08
突破最強(qiáng)集成算法模型，Adaboost！！
【AI驅(qū)動】
工作原理 假設(shè)你是一位老師，想知道班上50個學(xué)生會不會通過考試。單靠你自己去預(yù)測每個人的成績可能不準(zhǔn)，所以你決定請幾個同事幫忙預(yù)測。 第一步：建立第一個預(yù)測模型 你的第一位同事A來了。他根據(jù)以往經(jīng)驗(yàn)對每個學(xué)生的通過與否做了...
2025/01/08
通透！十大時(shí)間序列技術(shù) ！！
【AI驅(qū)動】
1. 自回歸模型 原理介紹 自回歸模型 (AR) 是時(shí)間序列分析中的一種線性回歸模型，假設(shè)時(shí)間序列的當(dāng)前值可以通過前一時(shí)刻及其之前的觀測值的線性組合來預(yù)測。 核心公式 自回歸模型的公式為： 優(yōu)缺點(diǎn)和適用...
2025/01/08
突破LSTM！時(shí)間序列預(yù)測 ！！
【AI驅(qū)動】
1. 基本原理 簡單來說，LSTM 是 RNN 的一種，它通過引入“記憶單元”來捕捉長時(shí)間的依賴關(guān)系，使其在處理長期依賴問題時(shí)非常有效。對于天氣數(shù)據(jù)的預(yù)測，LSTM特別適用，因?yàn)樘鞖鈹?shù)據(jù)是高度時(shí)序依賴的。 例如，某一天的溫度和濕...
2025/01/08
突破LightGBM！最強(qiáng)時(shí)間序列模型！！
【AI驅(qū)動】
LightGBM 的核心概念 o是一種基于樹的算法，也就是說，它是用很多小的決策樹來構(gòu)建預(yù)測模型。 它主要有兩個特點(diǎn)： 梯度提升：每一棵新的樹都是在上一次的誤差基礎(chǔ)上進(jìn)行改進(jìn)的。它不斷地改進(jìn)模型的預(yù)測結(jié)果，使得誤差越來越...
2025/01/08
突破XGBoost！時(shí)間序列預(yù)測 ！！
【AI驅(qū)動】
1. 問題定義 假設(shè)我們有一個零售公司，該公司的目標(biāo)是預(yù)測未來7天的銷售量。 數(shù)據(jù)集包括以下幾列： 日期：具體的銷售日期 銷售量（Sales）：每天的銷售量數(shù)據(jù) 天氣（Weather）：當(dāng)天的天氣情況（如晴天...
2025/01/08
突破LSTM！結(jié)合ARIMA時(shí)間序列預(yù)測 ！！
【AI驅(qū)動】
混合模型數(shù)學(xué)原理 ARIMA模型 ARIMA模型（Auto-Regressive Integrated Moving Average）是基于時(shí)間序列的自回歸和滑動平均過程。它可以表示為 ARIMA(p, d, q)，其中： ...
2025/01/08
突破K-means，與DTW時(shí)間序列聚類分析 ！！
【AI驅(qū)動】
理論基礎(chǔ) 1. 動態(tài)時(shí)間規(guī)整（DTW） DTW是一種用于比較兩個時(shí)間序列相似性的算法。它允許時(shí)間軸上的非線性對齊，從而處理時(shí)間序列中的速度變化。 DTW公式 DTW計(jì)算的結(jié)果是兩個序列的對齊路徑以及最小的總對...
2025/01/08
突破LSTM，消費(fèi)預(yù)測 ！！
【AI驅(qū)動】
原理闡述 LSTM 是一種改進(jìn)型的RNN，特別適用于時(shí)間序列數(shù)據(jù)的建模。與傳統(tǒng)RNN相比，LSTM能夠更好地解決梯度爆炸和梯度消失問題，能夠?qū)W習(xí)并記住長期依賴關(guān)系。因此，LSTM在各類時(shí)間序列預(yù)測問題中，尤其是在財(cái)務(wù)數(shù)據(jù)分析、股市預(yù)測...
2025/01/07
突破最強(qiáng)時(shí)間序列模型，向量自回歸！！
【AI驅(qū)動】
首先來說，時(shí)間序列模型是用來分析和預(yù)測數(shù)據(jù)隨時(shí)間變化的模型。所謂“時(shí)間序列”，就是一個隨著時(shí)間推移而記錄下來的數(shù)據(jù)，比如股票價(jià)格、氣溫、銷售額等。時(shí)間序列模型的目標(biāo)是利用過去的數(shù)據(jù)（歷史記錄）來預(yù)測未來的值。 比如說，你每天都記錄你體...
2025/01/07
SOFTS模型的單特征時(shí)間序列預(yù)測實(shí)現(xiàn)
【AI驅(qū)動】
SOFTS 2024年4月《SOFTS: Efficient Multivariate Time Series Forecasting with Series-Core Fusion》中提出的新模型，采用集中策略來學(xué)習(xí)不同...
2025/01/07
KAN:Kolmogorov–Arnold Networks分類模型實(shí)現(xiàn)
【AI驅(qū)動】
KAN是當(dāng)前提出的一種全新的神經(jīng)網(wǎng)絡(luò)架構(gòu)，傳統(tǒng)的MLP多層感知器中，通常使用的激活函數(shù)是非線性的，例如ReLU、sigmoid或tanh，這些激活函數(shù)在大多數(shù)深度學(xué)習(xí)框架中都是不可學(xué)習(xí)的函數(shù)，只是應(yīng)用于每個神經(jīng)元的輸出，MLP的線性層（全連...
2025/01/07
基于熵權(quán)法的TOPSIS模型
【AI驅(qū)動】
前言 TOPSIS（Technique for Order Preference by Similarity to Ideal Solution）是一種多準(zhǔn)則決策分析方法，用于在多個方案之間進(jìn)行排序。而熵權(quán)法是一種用于確定指標(biāo)權(quán)重的方...
2025/01/07
邏輯回歸模型(logistic regression)
【AI驅(qū)動】
前言 邏輯回歸（Logistic Regression）是一種用于處理分類問題的統(tǒng)計(jì)學(xué)習(xí)方法，盡管名字中包含“回歸”一詞，但它實(shí)際上是一種分類算法，通常用于解決二分類問題（也可擴(kuò)展到多分類問題）。邏輯回歸適用于預(yù)測一個二分類目標(biāo)變量的...
2025/01/07
可解釋性機(jī)器學(xué)習(xí)庫Shapash——鳶尾花XGBoost分類解釋實(shí)現(xiàn)
【AI驅(qū)動】
Shapash是一個用于解釋機(jī)器學(xué)習(xí)模型預(yù)測結(jié)果的Python庫。旨在使每個人都可以解釋和理解機(jī)器學(xué)習(xí)。它提供了各種可視化效果，帶有清晰明確的標(biāo)簽，所有人都可以輕松理解。借助 Shapash，可以生成一個 Webapp，以簡化對模型特征之間...
2025/01/07
