机构名称：
¥ 1.0
这里的问题是，如果我们重新审视原始M4的结果（Makridakis及其同事，2020年，表4），我们将看到竞争实际上是通过方法ES-RNN赢得的，OWA的OWA为0.821。第二名是Fforma，OWA为0.838。陈述的OWA的时间网将将其置于第七位，在根本不使用深度学习的方法后面，甚至没有使用ML。这仍然不是一个不好的地方（在61名原始参与者中），但肯定不是SOTA，通常理解为方法是一种方法能够在该数据集中取得的最佳结果。另一个感兴趣的方面是他们对N-Beats的处理。这种方法不久前首次出现，正是通过声称在M4中实现SOTA的情况，其OWA为0.795（Oreshkin and Caleagues，2019，Table1）。时网确实确实报告了N-Beats的结果，但OWA为0.855。
国际应用预测杂志
主要关键词
相关文件推荐
