Thu Sep 15

时间序列运筹规划

时间序列预测(六)--时序预测概率分布应用

大家一定知道，所有的预测永远不可能把误差控制到0，所以当已知这样的预测结果，如何尽可能的提升可用度呢？咱们举个例子销量预测这是一个十分简单的问题，业务通过预测接来下一段时间内的销量变化，从而尽可能小的损失维持一个库存水平。先描述一下咱们面临的问题。日销量给定参数μ\muμ, σ\sigmaσ, 商品的日销量独立且服从正态分布N(μ,σ2)N(\mu, \sigma^2)N(μ,σ2)仓库容量 W

Sun Jul 24

时间序列

时间序列预测(五)--Prophet模型

今天来介绍一个Prophet模型是FB出品的一个可解释性极强的一个模型，使用起来十分简单，咱们主要还是讲解其中的原理。Prophet模型Prophet模型使用经典的时间分解预测的方法，将预测任务分类趋势影响、季节影响、节假日影响，以及噪声影响，这也比较适合咱们的时间预测的场景。$$y_{t}=g(t)+s(t)+h(t) \tag{1.1}$$$y_{t}$是预测值，$s(t)$季节趋势、$g(

Fri Jul 22

时间序列

时间序列预测(四)--TCN模型

今天介绍的是TCN模型，在介绍这个模型的过程中，会介绍很多额外的小知识点，个人觉得还是很有用的。下面咱们就来介绍TCN模型。TCN模型先来看问题定义，对于时序问题还是老生常谈的输入输出形式。 $x=[x_{0},x_{1},...x_{T} ]$, 作为输入的值，输出就是对应的$y=[y_{0}, y_{1},...,y_{T}]$作为输出。那么TCN模型是如何组织模型结果的呢？刚开始的时候作者

Wed Jul 20

时间序列

时间序列预测(三)--LSTNet模型

今天来介绍另一个复杂的模型LSTNet模型，这个时序模型是专门解决多元时间预测问题的，多元时间预测哦。模型结构十分复杂，其中很多设计还是能有很多借鉴作用的，希望大家能够学习并且用到实际工作中。LSTNet模型结构

Tue Jul 19

时间序列

时间序列预测(二)--N-BEATS模型

今天咱们来介绍一个纯时序模型，N-BEATS模型，直接开门见山看看模型的机构，然后对着模型解读。N-BEATS模型结构图1.1就是N-BEATS模型的结构，看起来比较复杂，咱们拆开来看。首先来看模型的输入，输入的是观测序列$[y_{1},...,y_{T}]$, 输出是预测数据$[y_{T},...,y_{T+H}]$, 这里在原文中描述T=nH, n一般取2到7。看上图的模型主要有几个结构，分别

Sat Jul 16

时间序列

时间序列预测(一)--DeepAR模型

今天咱们就来看看第一个时序模型，可能有些同学都没有听说过这个模型，这个模型还是相对复杂的，接下来咱们来看看这个模型。对于一般的时序任务，大家一般会想到NLP中的一些序列模型，LSTM、GRU等模型，这类方法都是给出一个确定的预测值，接下来咱们要介绍这个模型有一点不一样，DeepAR模型并不是直接简单地输出一个确定的预测值，而是输出预测值的一个概率分布，这样做其实有点好处，咱们给出的预测值其实很难

Thu Jul 14

时间序列

时间序列预测(零)--时序预测基础

时间序列预测可以称得上是一个及其普遍的一个算法问题，解决的方法也比较成熟，你可能第一时间想到的就是AR模型，以及各种自回归模型。然后xgboost似乎也能做时序问题，只是将原有的问题当成回归问题即可，某种意义上可解释性也能够得到一定的满足。再然后就是GRU、LSTM这类循环神经网络，借鉴自NLP中使用深度模型来解决时序预测问题。除了以上的这类方法，你还能知道那些方法吗？接下来的这个系列一定能让你受

时间序列预测(六)--时序预测概率分布应用

时间序列预测(五)--Prophet模型

时间序列预测(四)--TCN模型

时间序列预测(三)--LSTNet模型

时间序列预测(二)--N-BEATS模型

时间序列预测(一)--DeepAR模型

时间序列预测(零)--时序预测基础

分类

标签云

最新文章

标签

最新文章

Your browser is out-of-date!