【时间序列】LSTM+概率模型
1 思路来源 LSTM+概率模型思路来源于文章An Integrated Missing-Data Tolerant Model for Probabilistic PV Power Generation Forecasting。 在所提出的方法...
【时间序列】概率预测方法
1 概率预测方法分类 一般概率预测分为两种： 其一是给出预测曲线的置信区间，如95%、85%置信区间等。 另一种给出的是预测曲线点的概率密度函数，通过颜色的深浅表示。 2 常用概率预测方法记录 2.1 高斯过程 略 2.2 LST...
【时间序列】多输入多输出深度学习时序预测模型
1 常见时序预测分类 Broadly, these techniques can be grouped into three major groups: statistical methods, traditional machine learn...
【深度学习】循环神经网络笔记
1 简要信息 循环神经网络的每一层不仅由上一层的输入决定，还由上一时刻当前层决定。故循环神经网络能够对时序信息有较好的拟合性。 可使用现成的循环神经网络pytorch.nn.RNN进行时序预测。 每一层的计算为：ht=tanh(xtWihT+b...
【机器学习】梯度增强笔记
1 集成模型 集成模型（Ensemble Model）不是一种具体的模型，而是一种模型框架，将若干个模型(弱学习器)按照一定的策略组合起来，共同完成一个任务。 1.1 bagging模型 bagging模型会把(相同的)若干基础模型简单的“装起来...
【机器学习】核函数笔记
1 核函数 核(也称GPs中的协方差函数)是GPs的一个重要组成部分，它决定GP的先验和后验形状。它们通过定义两个数据点的“相似性”，并结合相似的数据点应该具有相似的目标值的假设，对正在学习的函数进行编码。 2 sklearn内置核函数 skle...
【时间序列】高斯过程回归笔记
1 所需库 12345import numpy as npimport matplotlib.pyplot as pltimport sklearnfrom scipy.spatial.distance import cdistimport skl...