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
上进小菜猪2 小时前
基于 YOLOv8 的智能车牌定位检测系统设计与实现—从模型训练到 PyQt 可视化落地的完整实战方案AI浩3 小时前
UNIV：红外与可见光模态的统一基础模型GitCode官方3 小时前
SGLang AI 金融 π 对（杭州站）回顾：大模型推理的工程实践全景sakoba3 小时前
flink消费pulsar木头左3 小时前
LSTM模型入参有效性验证基于量化交易策略回测的方法学实践找方案3 小时前
我的 all-in-rag 学习笔记：文本分块 ——RAG 系统的 “信息切菜术“亚马逊云开发者3 小时前
让 AI 工作空间更智能：Amazon Quick Suite 集成博查搜索实践腾讯WeTest3 小时前
「低成本、高质高效」WeTest AI翻译限时免费Lucas555555554 小时前
现代C++四十不惑：AI时代系统软件的基石与新征程言之。4 小时前
Claude Code 专业教学文档