小红花·文摘
  • 首页
  • 广场
  • 排行榜🏆
  • 直播
  • FAQ
Dify.AI
基于树模型的时间序列预测

本文介绍了如何利用基于决策树的模型进行时间序列预测。通过提取滞后特征和滚动统计量,将原始时间序列转化为监督学习数据集。以航空公司每月乘客数据集为例,训练决策树回归器并评估预测误差(MAE)。决策树结合其他特征进行预测,能提高预测准确性。

基于树模型的时间序列预测

MachineLearningMastery.com
MachineLearningMastery.com · 2025-11-18T11:00:09Z
10个Python一行代码生成时间序列特征

本文介绍了10种Python一行代码生成时间序列特征的方法,强调特征工程在时间序列预测中的重要性。这些方法包括滞后特征、滚动均值和差分等,旨在提取数据的时间行为特征,以分析趋势和波动。

10个Python一行代码生成时间序列特征

MachineLearningMastery.com
MachineLearningMastery.com · 2025-10-27T14:25:18Z
时间序列转换工具包:预测分析中的特征工程

本文介绍了时间序列分析中的特征工程技术,包括添加滞后特征、滚动统计和差分。这些技术有助于提取有意义的时间特征,改善预测模型的性能,特别是在处理具有季节性和促销影响的销售数据时。

时间序列转换工具包:预测分析中的特征工程

MachineLearningMastery.com
MachineLearningMastery.com · 2025-08-06T12:00:35Z
  • <<
  • <
  • 1 (current)
  • >
  • >>
👤 个人中心
在公众号发送验证码完成验证
登录验证
在本设备完成一次验证即可继续使用

完成下面两步后,将自动完成登录并继续当前操作。

1 关注公众号
小红花技术领袖公众号二维码
小红花技术领袖
如果当前 App 无法识别二维码,请在微信搜索并关注该公众号
2 发送验证码
在公众号对话中发送下面 4 位验证码
小红花技术领袖俱乐部
小红花·文摘:汇聚分发优质内容
小红花技术领袖俱乐部
Copyright © 2021-
粤ICP备2022094092号-1
公众号 小红花技术领袖俱乐部公众号二维码
视频号 小红花技术领袖俱乐部视频号二维码