1.在TASK3中虽然给出了时间序列挖掘加融合模型的方法预测price，但是并不能识别到负电价的情况。查看TASK3给出的代码的预测结果可以发现模型几乎不会预测出负数，这和实际情况是有差别的。
2.爬取天气信息
可以发现温度的变化也会影响price的变化
利用这些信息可以进一步提升模型的效果
相关推荐
岁岁种桃花儿14 小时前
Flink CDC从入门到上天系列第一篇：Flink CDC简易应用骥龙14 小时前
第六篇：AI平台篇 - 从Jupyter Notebook到生产级模型服务TOPGUS15 小时前
谷歌SEO第三季度点击率趋势：榜首统治力的衰退与流量的去中心化趋势松☆15 小时前
CANN深度解析：构建高效AI推理引擎的软件基ujainu15 小时前
CANN仓库中的AIGC可持续演进工程：昇腾AI软件栈如何构建“活”的开源生态光锥智能15 小时前
从连接机器到激活知识：探寻工业互联网深水区的山钢范式GHL28427109015 小时前
分析式AI学习ujainu15 小时前
CANN仓库中的AIGC性能极限挑战：昇腾软件栈如何榨干每一瓦算力wenzhangli715 小时前
ooderA2UI BridgeCode 深度解析：从设计原理到 Trae Solo Skill 实践brave and determined15 小时前
CANN ops-nn算子库使用教程：实现神经网络在NPU上的加速计算