所有文章
> 当前分类:AI驱动
突破最强时间序列模型，自回归滑动平均！！
2025/01/08
1. 什么是「时间序列」？ 时间序列就是随着时间变化的数据。例如： 每天的气温记录 每小时的股票价格 每周的店铺销售额 这些数据都有一个特点——它们是按照时间顺序排列的，并且通常前面的数据会影响后面的数据。...
突破最强集成算法模型，Adaboost！！
【AI驱动】
工作原理 假设你是一位老师，想知道班上50个学生会不会通过考试。单靠你自己去预测每个人的成绩可能不准，所以你决定请几个同事帮忙预测。 第一步：建立第一个预测模型 你的第一位同事A来了。他根据以往经验对每个学生的通过与否做了...
2025/01/08
通透！十大时间序列技术 ！！
【AI驱动】
1. 自回归模型 原理介绍 自回归模型 (AR) 是时间序列分析中的一种线性回归模型，假设时间序列的当前值可以通过前一时刻及其之前的观测值的线性组合来预测。 核心公式 自回归模型的公式为： 优缺点和适用...
2025/01/08
突破LSTM！时间序列预测 ！！
【AI驱动】
1. 基本原理 简单来说，LSTM 是 RNN 的一种，它通过引入“记忆单元”来捕捉长时间的依赖关系，使其在处理长期依赖问题时非常有效。对于天气数据的预测，LSTM特别适用，因为天气数据是高度时序依赖的。 例如，某一天的温度和湿...
2025/01/08
突破LightGBM！最强时间序列模型！！
【AI驱动】
LightGBM 的核心概念 o是一种基于树的算法，也就是说，它是用很多小的决策树来构建预测模型。 它主要有两个特点： 梯度提升：每一棵新的树都是在上一次的误差基础上进行改进的。它不断地改进模型的预测结果，使得误差越来越...
2025/01/08
突破XGBoost！时间序列预测 ！！
【AI驱动】
1. 问题定义 假设我们有一个零售公司，该公司的目标是预测未来7天的销售量。 数据集包括以下几列： 日期：具体的销售日期 销售量（Sales）：每天的销售量数据 天气（Weather）：当天的天气情况（如晴天...
2025/01/08
突破LSTM！结合ARIMA时间序列预测 ！！
【AI驱动】
混合模型数学原理 ARIMA模型 ARIMA模型（Auto-Regressive Integrated Moving Average）是基于时间序列的自回归和滑动平均过程。它可以表示为 ARIMA(p, d, q)，其中： ...
2025/01/08
突破K-means，与DTW时间序列聚类分析 ！！
【AI驱动】
理论基础 1. 动态时间规整（DTW） DTW是一种用于比较两个时间序列相似性的算法。它允许时间轴上的非线性对齐，从而处理时间序列中的速度变化。 DTW公式 DTW计算的结果是两个序列的对齐路径以及最小的总对...
2025/01/08
突破LSTM，消费预测 ！！
【AI驱动】
原理阐述 LSTM 是一种改进型的RNN，特别适用于时间序列数据的建模。与传统RNN相比，LSTM能够更好地解决梯度爆炸和梯度消失问题，能够学习并记住长期依赖关系。因此，LSTM在各类时间序列预测问题中，尤其是在财务数据分析、股市预测...
2025/01/07
突破最强时间序列模型，向量自回归！！
【AI驱动】
首先来说，时间序列模型是用来分析和预测数据随时间变化的模型。所谓“时间序列”，就是一个随着时间推移而记录下来的数据，比如股票价格、气温、销售额等。时间序列模型的目标是利用过去的数据（历史记录）来预测未来的值。 比如说，你每天都记录你体...
2025/01/07
SOFTS模型的单特征时间序列预测实现
【AI驱动】
SOFTS 2024年4月《SOFTS: Efficient Multivariate Time Series Forecasting with Series-Core Fusion》中提出的新模型，采用集中策略来学习不同...
2025/01/07
KAN:Kolmogorov–Arnold Networks分类模型实现
【AI驱动】
KAN是当前提出的一种全新的神经网络架构，传统的MLP多层感知器中，通常使用的激活函数是非线性的，例如ReLU、sigmoid或tanh，这些激活函数在大多数深度学习框架中都是不可学习的函数，只是应用于每个神经元的输出，MLP的线性层（全连...
2025/01/07
基于熵权法的TOPSIS模型
【AI驱动】
前言 TOPSIS（Technique for Order Preference by Similarity to Ideal Solution）是一种多准则决策分析方法，用于在多个方案之间进行排序。而熵权法是一种用于确定指标权重的方...
2025/01/07
逻辑回归模型(logistic regression)
【AI驱动】
前言 逻辑回归（Logistic Regression）是一种用于处理分类问题的统计学习方法，尽管名字中包含“回归”一词，但它实际上是一种分类算法，通常用于解决二分类问题（也可扩展到多分类问题）。逻辑回归适用于预测一个二分类目标变量的...
2025/01/07
可解释性机器学习库Shapash——鸢尾花XGBoost分类解释实现
【AI驱动】
Shapash是一个用于解释机器学习模型预测结果的Python库。旨在使每个人都可以解释和理解机器学习。它提供了各种可视化效果，带有清晰明确的标签，所有人都可以轻松理解。借助 Shapash，可以生成一个 Webapp，以简化对模型特征之间...
2025/01/07
基于VMD分解的VMD-LSTM时间序列预测模型实现，大力提升预测精度！
【AI驱动】
VMD是一种信号处理技术，用于将复杂的时间序列信号分解成多个局部频率模式，这些模式可以反映信号中的不同频率成分和振幅变化。VMD的主要思想是通过优化问题，将信号分解成多个本征模态函数（EMD），这些函数具有不同的频率和振幅特征，并且在一定程...
2025/01/07
搜索文章
热门话题
