时序预测数据处理新方法汇总：多粒度和频域的可逆归一化

文章预览

点关注，不迷路，用心整理每一篇算法干货~ 后台留言” 交流 “， 加入圆圆算法交流群~ 👇🏻扫码👇🏻 加入 圆圆算法知识星球~ （ 已有 870+ 同学加入学习， 700+ 干货笔记） 时间序列预测建模中，非平稳性或distribution shift一直是一个建模难点。非平稳性指的是时间序列的统计量，如均值、方差随时间发生变化，导致数据分布随着时间发生漂移，造成了模型训练和拟合的难度。 今天给大家介绍一下最近一段时间提出的2种解决时间序列非平稳性问题的方法。这两种方法分别从多粒度的角度和频域的角度进行可逆归一化，实现了不错的效果提升。 1 基础可逆归一化方法 可逆归一化最基础的方法来自 REVERSIBLE INSTANCE NORMALIZATION FOR ACCURATE TIME-SERIES FORECASTING AGAINST DISTRIBUTION SHIFT（ICLR 2022） ，这篇文章的核心思路是在输入序列中将均值、方差等序列不稳定 ………………………………