recursion - 可以使用某种机器学习算法提高递归系数吗?
问题描述
对于几年的日常数据,我遇到了这个预测问题。我的数据有每年和每周的季节性。
我尝试使用以下重复:(我刚刚想出了,如果你愿意,可以从任何地方)x n = 1/4(x n-738 + x n-364 + x n-7 + 1/6(x n- 1 +x n-2 +x n-3 +x n-4 +x n-5 +x n-6 )
基本上,我会考虑我试图预测的前一周的前几天以及一年和两年前的相应日期。我在他们身上做平均。
我的问题是:可以尝试通过将系数 1/4,1/6 等替换为可使均方残差更小的系数来改进预测吗?
解决方案
我个人认为你的问题是一种回归。如果你有足够的数据,我会运行时间序列预测。你说数据有每年和每周的季节性。为了解决这个问题,您可以拥有两个模型,一个具有每周窗口,一个处理年度模式,然后以某种方式将它们组合起来(线性组合甚至另一个模型)。但是,如果您没有,您可以尝试将上述 xi 作为特征传递给回归模型,例如线性回归、支持向量机、前馈神经网络,理论上它会找到那些产生足够小的损失(误差)的系数。
推荐阅读
- android - 在 Android 中实现 OpenVPN
- mysql - 为什么mysql显示两次外键值
- junit - 当响应是json格式时,有什么好的方法来测试restful api吗?
- asp.net-core - .NET Framework 项目中的 .NET Core 参考是否正确?
- sql - 根据某些条件以(HH:mm:ss)格式获取两个DateAndTime的持续时间
- javascript - JavaScript String.replace 回调以检查每隔一行
- javascript - 使用注入的 Javascript 在 Chrome 中进行消息传递
- java - 将 ucs-4 转换为 ucs-2
- oauth - 如果用户尚未使用 OAuth 2.0 登录,我如何将用户重定向到登录页面或其他页面
- jquery - 如何将表单提交(POST)到 jQuery Fancybox iFrame?