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
阿里云大数据AI技术几秒前
[VLDB 2025]面向Flink集群巡检的交叉对比学习异常检测a15046342 分钟前
人工智能——图像梯度处理、边缘检测、绘制图像轮廓、凸包特征检测荼蘼1 小时前
基于 KNN 算法的手写数字识别项目实践青云交1 小时前
电科金仓 KingbaseES 深度解码：技术突破・行业实践・沙龙邀约 -- 融合数据库的变革之力shinelord明1 小时前
【计算机网络架构】网状型架构简介wei_shuo1 小时前
亚马逊云科技 EC2 部署 Dify，集成 Amazon Bedrock 构建生成式 AI 应用ppo921 小时前
MCP简单应用：使用SpringAI + Cline + DeepSeek实现AI创建文件并写入内容云卓SKYDROID1 小时前
无人机速度模块技术要点分析lucky_syq2 小时前
Flink窗口：解锁流计算的秘密武器UQI-LIUWJ2 小时前
论文笔记：Tuning Language Models by Proxy