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
冬奇Lab1 天前
Workflow 系列（03）：状态管理——持久化、幂等性与版本绑定冬奇Lab1 天前
每日一个开源项目（第146篇）：openpilot - 开源自动驾驶辅助系统，曾在 Consumer Reports 评测中超过特斯拉 Autopilot吴佳浩1 天前
AI 工程师知识地图：模型格式、框架、部署工具一次讲明白IT_陈寒1 天前
Java的Date类又坑了我一次，改用时间戳真香码农胖大海1 天前
AI额度不够用的解决方案后端小肥肠1 天前
小红书虚拟商品怎么做？我先用 Skill 跑通了壁纸品类feiyu_gao1 天前
从零搭建个人 AI 工作台：一个管理者的 3 个月实验程序员cxuan1 天前
一句话，让你用上 GPT-5.6机器之心1 天前
AI圈刚开始谈Loop Engineering，两位95后博士已经盯上了人类闭环数据