鍵.png)
突破LSTM！時(shí)間序列預(yù)測 ！！
【AI驅(qū)動(dòng)】
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(duì)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(dòng)】
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(gè)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(dòng)】
1. 問題定義 假設(shè)我們有一個(gè)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(dòng)】
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(dòng)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(dòng)】
理論基礎(chǔ) 1. 動(dòng)態(tài)時(shí)間規(guī)整（DTW） DTW是一種用于比較兩個(gè)時(shí)間序列相似性的算法。它允許時(shí)間軸上的非線性對(duì)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(gè)序列的對(duì)齊路徑以及最小的總對(duì)...
2025/01/08
突破LSTM，消費(fèi)預(yù)測 ！！
【AI驅(qū)動(dòng)】
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(dòng)】
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(gè)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(dòng)】
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(dòng)】
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(gè)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(dòng)】
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(gè)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(dòng)】
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(gè)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(dòng)】
Shapash是一個(gè)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(gè)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(gè) Webapp，以簡化對(duì)模型特征之間...
2025/01/07
基于VMD分解的VMD-LSTM時(shí)間序列預(yù)測模型實(shí)現(xiàn)，大力提升預(yù)測精度！
【AI驅(qū)動(dòng)】
VMD是一種信號(hào)處理技術(shù)，用于將復(fù)雜的時(shí)間序列信號(hào)分解成多個(gè)局部頻率模式，這些模式可以反映信號(hào)中的不同頻率成分和振幅變化。VMD的主要思想是通過優(yōu)化問題，將信號(hào)分解成多個(gè)本征模態(tài)函數(shù)（EMD），這些函數(shù)具有不同的頻率和振幅特征，并且在一定程...
2025/01/07
特征選擇：Lasso和Ridge算法結(jié)合的彈性網(wǎng)絡(luò)回歸實(shí)現(xiàn)
【AI驅(qū)動(dòng)】
背景 彈性網(wǎng)絡(luò)是一種結(jié)合嶺回歸（L2正則化）和Lasso回歸（L1正則化）優(yōu)點(diǎn)的線性回歸模型，它在目標(biāo)函數(shù)中引入了兩種正則化的權(quán)重參數(shù)，使得模型既具有Lasso的特性（可以將某些不重要的特征系數(shù)縮為零，實(shí)現(xiàn)特征選擇），又具有嶺回歸的特...
2025/01/07
回歸預(yù)測模型訓(xùn)練集與測試集的進(jìn)階可視化
【AI驅(qū)動(dòng)】
背景 真實(shí)數(shù)據(jù)的分布與模型預(yù)測結(jié)果的差異往往隱藏在更復(fù)雜的圖表中，為了更全面地呈現(xiàn)訓(xùn)練集與測試集之間的關(guān)系，并直觀展示預(yù)測值的置信區(qū)間及邊緣分布，本篇文章將帶大家深入理解一套綜合性的可視化方案，本文集成置信區(qū)間與邊緣柱狀圖的新圖表形式...
2025/01/07
