Loading...
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

国际应用预测杂志PDF文件第1页

国际应用预测杂志PDF文件第2页

国际应用预测杂志PDF文件第3页

国际应用预测杂志PDF文件第4页

国际应用预测杂志PDF文件第5页