Lavender-csdn的博客

因为自己是做时间序列预测这一块，所以关于阅读的论文也是这一块，主要是深度学习在时间序列预测中的一个应用。其实撇开深度学习而言，时间序列预测本身就有自己的方法：ARIMA、VAR、三指数平滑法、SARIMA等等，还包括机器学习中的方法(回归分析，随机森林，GBDT、Xgboost等等)。因为深度学习被炒得很热，吸引了很多研究人员的目光，所以深度学习在时间序列预测中的应用也越来越受关注，越来越多的论文...

预测是一项常见的数据科学任务，可帮助组织进行容量规划，目标设置和异常检测。 尽管它很重要，但是要生成可靠的高质量预测仍面临着严峻的挑战，尤其是在存在各种时间序列且具有时间序列建模专业知识的分析师相对较少的情况下。 为了解决这些挑战，描述了一种实用的“大规模”预测方法，该方法将可配置模型与环路分析员绩效分析相结合。论文中提出了一种模块化回归模型，该模型具有可解释的参数，可以由具有分析能力的分析师直观...