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
新知图书5 分钟前
OpenCV彩色图像分割多巴胺与内啡肽.7 分钟前
OpenCV进阶操作：图像金字塔小oo呆10 分钟前
【自然语言处理与大模型】大模型参数规模与部署配置调查2025第一季度Jamence14 分钟前
多模态大语言模型arxiv论文略读（四十四）艾醒(AiXing-w)14 分钟前
探索大语言模型（LLM）：自监督学习——从数据内在规律中解锁AI的“自学”密码24k小善15 分钟前
FlinkUpsertKafka深度解析海底火旺26 分钟前
Trae 入门指南：一个更简单、更现代的 HTTP 请求库阿里云大数据AI技术29 分钟前
PAI-Model Gallery云上一键部署阶跃星辰新模型Step1X-Editshimly12345630 分钟前
(done) 吴恩达版提示词工程 8. 聊天机器人 (聊天格式设计，上下文内容，点餐机器人)知新_ROL1 小时前
基础的贝叶斯神经网络（BNN）回归