机器学习笔记 - 时间序列使用机器学习进行预测
2023-09-14 09:01:36 时间
一、概述
在最基本的情况下,我们将预测视为一个简单的回归问题,所有特征都来自单个输入,即时间索引。 只需生成想要的趋势和季节性特征,我们就可以轻松地创建未来任何时间的预测。
然后,当我们添加滞后功能时,问题的性质发生了变化。 滞后特征要求在预测时已知滞后目标值。 滞后 1 功能将时间序列向前移动 1 步,这意味着您可以预测未来 1 步,但不能预测 2 步。接下来我们只是假设我们总是可以产生延迟到我们想要预测的时期(换句话说,每个预测都只是向前迈出一步)。现实世界的预测通常需要更多的东西,需要进一步了解如何针对各种情况进行预测。
二、定义预测任务
在设计预测模型之前,需要确定两件事:
(1)做出预测时可获得哪些信息(特征)。
(2)以及您需要预测值(目标)的时间段。
实际上,预测原点是您在预测期间拥有训练数据的最后一次。直到起点的所有东西都可以用来创建特征。
预测范围是您进行预测的时间。我们经常通过其范围内的时间步数来描述预测:例如,“1-step”预测或“5-step”预测。预测范围描述了目标。
相关文章
- Coursera台大机器学习技法课程笔记03-Kernel Support Vector Machine
- Coursera台大机器学习课程笔记6 -- The VC Dimension
- 机器学习(三)混淆矩阵
- 机器学习在软件测试领域的应用
- 机器学习入门:K-近邻算法
- 机器学习笔记 - 用于颜值评分的数据集和算法
- 机器学习笔记 - Kaggle竞赛 生成莫奈风格图像的GAN
- 机器学习笔记 - 时间序列的季节性
- 机器学习笔记 - 时间序列的趋势分量
- 机器学习笔记 - 图解对象检测任务(2)
- 机器学习笔记 - 独立成分分析(ICA)
- 机器学习笔记 - 什么是t-SNE?
- 机器学习笔记 - 决策树是如何工作的
- 机器学习与数据挖掘基本算法初步介绍
- ML:MLOps系列讲解之《MLOps的定义与发展—你为什么可能想使用机器学习》解读
- 机器学习-时间序列(一):日期和时间处理
- 机器学习常识:初学者应该知道的10 大机器学习算法
- 【关于时间序列的ML】项目 4 :使用机器学习预测迁移
- 【关于时间序列的ML】项目 3 :基于机器学习的地震预测模型
- 机器学习——朴素贝叶斯法