machine-learning - 日期列上的添加是否会导致过度拟合?
问题描述
我正在研究一个数据集以及预测是否会下雨的内容,所以我应该包括日期列。我还没有建立模型,但我认为它会导致过度拟合。
解决方案
我不认为 datetime 是一个重要的功能。虽然有用的功能可能是季节,但现在由于气候变化等原因,它正在迅速变化。
无论如何,由于这是一个时间序列问题,结果更多地取决于前几天的情况,但当然会有细微的变化,这使得预测变得更加困难。
您可以在下面找到一些现有的作品:
- https://pdfs.semanticscholar.org/2761/8afb77c5081d942640333528943149a66edd.pdf (使用前两天的信息作为功能)
- https://stackabuse.com/using-machine-learning-to-predict-the-weather-part-1/(前 3 天信息作为特征)
我认为这些都是很好的起点。
推荐阅读
- plot - Netlogo plotxy 绘制海龟猎物大小与目标捕食者大小的关系
- reactjs - 如何测试 useEffect 中的函数是否被调用?
- angular - 使用 kendo-upload 防止上传现有文件名
- ios - 使用 AVPlayer 检测 HLS 流的静音/静音音频?
- javascript - 如何更改谷歌驱动器嵌入进度条的颜色而不是红色我想要白条
- arrays - 使用 tableview 和 CoreDataStack 和 Diffable 数据源删除核心数据中的记录
- c# - 如何将其他列表绑定到其他 ItemsSource 中的 ItemsSource
- powershell - PowerShell ErrorRecord.CategoryInfo.Activity (CategoryActivity)
- html - 如何在新行中换行
- python - 如何在 pandas 数据框中的某个范围内对每第 n 行进行采样?