时间序列预测的最佳起点
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了时间序列预测中输入数据长度对预测性能影响的问题，通过引入一种新方法optimal starting point时间序列预测（OSP-TSP），优化序列长度并利用XGBoost和LightGBM模型，确定时间序列的最佳起点，显著提高了预测性能。实证结果表明，OSP-TSP方法在多个数据集上的预测效果优于传统方法，同时提出了针对数据不足问题的解决方案。
我们的研究分析了超参数（如上下文长度和验证策略）对MLP模型在时间序列预测中的影响。通过对20个数据集进行4800种配置实验，发现参数调整对性能非常重要。我们还推出了TSBench，这是最大的时间序列预测元数据集，包含97200个评估，展示了其在超参数优化中的实用性。
