[ad_1]
Khám phá và hiểu cách thức hoạt động bên trong của TimeMixer và áp dụng nó vào dự án dự báo của riêng bạn bằng Python
Lĩnh vực dự báo chuỗi thời gian liên tục phát triển với tốc độ nhanh chóng, với nhiều mô hình được đề xuất và tuyên bố có hiệu suất tiên tiến nhất.
Các mô hình học sâu hiện là phương pháp phổ biến để dự báo chuỗi thời gian, đặc biệt là trên các tập dữ liệu lớn có nhiều tính năng.
Mặc dù nhiều mô hình đã được đề xuất trong những năm gần đây, chẳng hạn như Máy biến áp iTransformer, PHẦN MỀMVà Thời báo mạnghiệu suất của chúng thường kém hơn trong các tiêu chuẩn khác so với các mô hình như NHITS, Bản váTST Và Máy trộn TS.
Vào tháng 5 năm 2024, một mô hình mới đã được đề xuất: TimeMixer. Theo bài báo gốc, TimeMixer: Trộn đa thang phân tích để dự báo chuỗi thời gianmô hình này sử dụng sự kết hợp các tính năng cùng với phân tích chuỗi trong kiến trúc dựa trên MLP để đưa ra dự báo.
Trong bài viết này, trước tiên chúng ta sẽ khám phá hoạt động bên trong của TimeMixer trước khi chạy chuẩn mực nhỏ của riêng mình trong cả tác vụ dự báo ngắn hạn và dài hạn.
Như thường lệ, hãy đảm bảo đọc bài nghiên cứu gốc để biết thêm chi tiết.
Tìm hiểu chuỗi thời gian mới nhất…
[ad_2]
Source link