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
aimmon3 分钟前
深度学习之微积分预备知识点西岭千秋雪_10 分钟前
谷粒商城のElasticsearchData 31718 分钟前
Hadoop生态圈拓展内容（二）不是很强 但是很秃20 分钟前
秃姐学AI系列之：实战Kaggle比赛：狗的品种识别（ImageNet Dogs）我是瓦力35 分钟前
PointNet++改进策略 ：模块改进 | EdgeConv | DGCNN， 动态图卷积在3d任务上应用咔咔学姐kk1 小时前
2024最新版，人大赵鑫老师《大语言模型》新书pdf分享z千鑫1 小时前
【人工智能】OpenAI发布GPT-o1模型：推理能力的革命性突破，这将再次刷新编程领域的格局！AIBox3651 小时前
GPT撰写开题报告教程——课题确定及文献调研AIBigModel1 小时前
关于GPT5训练失败的思考绎岚科技1 小时前
深度学习自编码器 - 随机编码器和解码器篇