该文汇总多项机器学习预测研究：提出Rate Card Transformer编码航运信息以提升成本预测；用路径签名分类金融数据并识别市场异常；引入自适应标准化缓解数据集变化；STST模型预测股票涨跌并在模拟交易中获益；ST-TIS实现轻量交通预测；结合Twitter数据做长期交通预测；用图神经网络与变分自编码器实现跨区域出租车需求预测；用序列到序列模型改进需求预测；用时空变换网络提升交通预测；用随机签名方法进行金融漂移估计与投资组合优化。