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
触底反弹7 分钟前
深入理解大模型采样：Temperature、Top-K、Top-P 的原理与实战cd_9492172110 分钟前
2026 AI Agent 落地指南：除了搭建工具，你还需要配套的搜索基础设施武子康12 分钟前
Search Console Platform Properties 扩大 SEO 资产边界：从 Page Ranking 到 Topic Coverage（5 类误读边界 + 3 表数据层设计）大模型码小白14 分钟前
【Python零基础教程】继承、多态与魔法函数：面向对象编程三大核心特性详解麻雀飞吧1 小时前
最新量化学习路径，交易认知和技术实现要并行北辰alk1 小时前
我用Seed Evolving做了个“代码遗产抢救者”和“旅行规划师”——一个开发者的双面实战日记腾渊信息科技公司1 小时前
Spring Boot对接MES实战：视觉检测数据自动同步方案人间凡尔赛1 小时前
WAIC 2026 落幕，AI Agent 开发已进入 Harness 架构时代-XWB-1 小时前
【LLM】Agent Planning 完全指南：8 种纯 LLM 范式 + 8 种混合规划模式详解(二)