我正在尝试根据 150 个特征预测时间序列。当我绘制这些特征的相关性时，我得到了 20 个或多或少重要的特征，但我使用的每个模型，它完全由一个与预测输出完全同步但与实际输出不同步的特征完全支配。请参考下图。
绿线是与其中一个特征完全同步的预测。对于实际输出中的每个谷，我在预测输出中得到 2 个谷。没有模型能够概括这一点。是模型数据错误的情况吗？
当预测仅由一个特征主导并且错误没有减少时，如何调整时间序列分析的参数？
数据挖掘
机器学习
深度学习
时间序列
特征提取
超参数
2022-02-28 03:11:21
1个回答
XGboost 和树集成的当前方法似乎没有对实际的时间序列模式进行密切建模。使用以时间序列为中心的算法可能会更好，例如自回归综合移动平均 (ARIMA) 或长期短期记忆 (LSTM)。