详细内容或原文请订阅后点击阅览
使用符号回归区分嘈杂的时间序列数据
如果数据稀缺，则逐步示例说明如何得出嘈杂的时间序列概况继续阅读 Towards Data Science »
来源:None将嘈杂的时间序列数据与符号回归区分开
如果数据稀缺，则可能得出嘈杂的时间序列概况的逐步示例
时间序列概况在我们的日常生活中围绕着我们。还有许多专业的研究工作与他们打交道。
简单地说，时间序列配置文件是随后的数据点y（0），y（1），…，y（t）的集合，其中一个点在时间t取决于时间t-time t-1（甚至更远的时间）。
y（0），y（1），…，y（t） t t-1在许多应用程序中，一个人有兴趣预测配置文件是否有其他点可用。为此，那里有各种各样的建模方法。在他们的核心中，模型可能会获取有关过去（或现在）的一些信息，并估算了将来的个人资料外观。人们可以找到很多处理此类时间序列预测的作品，例如，使用神经网络（Bi等，2023），通过深度学习（Xiao and Su，2022）或制药的产品需求（Rathipriya等，2023）来描述天气（Bi等，2023），股票价格行为。当然，经过快速搜索后，我刚刚发现的那些研究工作，所以还有很多其他事情。
Bi等，2023 Xiao and Su，2022 Rathipriya等，2023 Xiao and Su，2022Rathipriya等，2023