时间序列预测真的需要深度学习模型吗？

文章预览

  作者：时序人 时间序列预测一定需要深度学习模型吗？ 简介 时间序列预测是机器学习中的一项常见的任务，具有非常广泛的应用，例如：电力能源、交通流量和空气质量等预测。传统的时间序列预测模型往往依赖于滚动平均、向量自回归和自回归综合移动平均。另一方面，最近有人提出了深度学习和矩阵分解模型来解决时间序列预测问题，并获得了更具竞争力的性能，但是该类模型往往过于复杂。 最近来自德国的几位学者在arxiv上发表了一篇有意思的对比综述文章，其用GBRT与最近各大顶会发表的新颖模型进行对比，并公布了其代码和结果。 本期文章将为大家简要分享这篇文章中的精华要点，供广大研究者开发者们参考。 论文地址 ：https://arxiv.org/abs/2101.02118 论文源码 ：https://github.com/Daniela-Shereen/GBRT-for-TSF 已有方法 时间序列预测问题分为两类 ………………………………