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
冴羽20 分钟前
Nano Banana Pro 很强，但你要学会写提示词才能为所欲为ATMQuant30 分钟前
量化指标解码11：挤压动量 - 捕捉低波动后的爆发行情Aurora-silas41 分钟前
Mac 本地运行 Hugging Face 大模型完全指南：PyTorch (MPS) vs Apple MLX机器不学习我也不学习1 小时前
人工智能综合项目开发14----技术文档撰写GISer_Jing1 小时前
SSE Conf大会分享支付宝xUI引擎：AI时代的多模态交互革命有一个好名字1 小时前
Spring AI ——Java开发者的AI集成神器WordPress学习笔记1 小时前
专业建外贸网站公司推荐p***95001 小时前
DeepSeek R1 简易指南：架构、本地部署和硬件要求John_ToDebug2 小时前
AI时代的浏览器内核开发：从“渲染引擎”到“智能中枢”的范式革命