首个可解释的深度学习时间序列预测模型-N-BEATS

文章预览

N-BEATS架构 在时间序列预测领域，长期以来  深度学习和Transformer模型  并未能显著超越其他模型的表现。 回顾  Makridakis M-竞赛， 胜出方案往往依赖于统计模型。 直至M4竞赛，冠军方案要么是纯粹的统计模型，要么是机器学习与统计模型的混合体。 而纯机器学习方法仅勉强超越竞赛基线,然而，这一局面在2020年由Oreshkin等人发表的一篇论文中得到了改变。 他们提出了  N-BEATS， 一种前景广阔的纯深度学习方法。 该模型不仅击败了M4竞赛的冠军方案，还首次实现了  纯深度学习对成熟统计方法的超越。 N-BEATS，全称为 “Neural Basis Expansion Analysis for Interpretable Time Series”， 即 “面向可解释时间序列的神经基础扩展分析”。 本文将带大家深入解析N-BEATS的架构，内容通俗易懂。 还将展示如何让这种深度学习方法变得可解释，并教大家如何在Python中轻松实 ………………………………