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
nancy_princess10 分钟前
attention基础概念1做个文艺程序员11 分钟前
华为昇腾NPU部署开源大模型全攻略（以Qwen3-8B为例）智算菩萨34 分钟前
【论文精读】Automated machine learning for positive-unlabelled learning小程故事多_8041 分钟前
破解Agent“半途摆烂”困局，OpenDev凭Harness架构，撕开Code Agents的工程化真相吴佳浩44 分钟前
Vibe Coding 时代：Vue 消失了还是 React 太强？Elastic 中国社区官方博客1 小时前
Elasticsearch：如何在 Elastic AI Builder 里使用 DSL 来查询 Elasticsearchmusicml1 小时前
从 Vibe Coding 到 SDD(规范驱动开发)：AI 原生时代的软件工程化实践Deepoch1 小时前
Deepoc具身模型：重塑无人机无遥控器作业i建模1 小时前
Claude Code在编程之外的能力言之。1 小时前
用Claude Code搞定产品上线