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
Godspeed Zhao1 小时前
自动驾驶中的传感器技术36——Lidar（11）不老刘2 小时前
《生成式AI消费级应用Top 100——第五版》| a16z此处不留情4 小时前
基于pytorch的垃圾分类识别项目实战mit6.8244 小时前
[AI人脸替换] docs | 环境部署指南 | 用户界面解析fantasy_arch4 小时前
Pytorch超分辨率模型实现与详细解释爱读源码的大都督5 小时前
小白LLM教程：不训练模型，如何进行微调？大千AI助手5 小时前
接吻数问题：从球体堆叠到高维空间的数学奥秘程序猿小D5 小时前
【完整源码+数据集+部署教程】硬币分类与识别系统源码和数据集：改进yolo11-SWC代码的余温5 小时前
Elasticsearch精准匹配与全文检索对比西猫雷婶7 小时前
神经网络|(十六)概率论基础知识-伽马函数·中