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
ZhengEnCi17 小时前
01c-LSTM与GRU门控机制详解科技林总17 小时前
自然语言处理任务分类谈思汽车17 小时前
当 AI 走进工厂与家庭：谁来保护AIoT 的“最后一米”？IT_陈寒17 小时前
React状态更新那点事儿，我掉坑里爬了半天Raink老师17 小时前
【AI面试临阵磨枪】LLM 推理优化技术：量化、蒸馏、稀疏注意力、vLLM、TGI 核心思想。睡觉吧狗命最最最重要17 小时前
java开发的最优转型路径_小雨林17 小时前
（UPDATING）LLM微调之实战，SFTTrainer官方案例、LoRA/QloRA微调案例、Unsloth、分布式训练、LLaMA Factory道可云17 小时前
道可云人工智能&OPC每日资讯｜全国首份人工智能开源生态共识在广州发布xiaoduo AI17 小时前
客服机器人可按紧急程度排序会话？Agent 开放平台通过关键词设置优先级实现急救咨询优先处理？Cosolar18 小时前
Agent Skills 深度解析：AI 编码代理的工程化生产级工作流引擎