使用机器学习递归方式预测时间范围

我有一个按小时记录的时间序列数据,需要预测一天的数值。我构建的机器学习模型每次输出一个数值。因此,为了预测一整天的数据,我需要运行24次机器学习模型。对于时间t+1的预测,我会将时间t的输出值作为输入之一,输入到机器学习模型中(递归结构)。

这种递归预测模型是否有特殊的名称?


回答:

听起来你可能在使用一种直接-递归混合策略。例如:

hourly_prediction(t+1) = model1(obs(t-1), obs(t-2), ..., obs(t-24))daily_prediction(t+2) = model2(hourly_prediction(t+1), obs(t-1), ..., obs(t-n))

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注