未来一天的天真预测
是指对未来一天的天气情况进行预测。天气预测是通过收集和分析大量的气象数据，包括气温、湿度、气压、风速、降水等，利用气象模型和算法进行计算和预测。预测结果可以提供给人们参考，帮助他们做出合理的出行和活动安排。
天真预测是指基于简单的规则和经验，不考虑复杂的气象模型和算法，对天气进行预测。虽然天真预测不如专业的气象预报准确，但在某些情况下仍然具有一定的参考价值。
在天真预测中，常用的规则和经验包括：
- 天气变化规律：根据历史天气数据和经验，可以观察到一些天气变化的规律，如夏季多雷阵雨、冬季多阴雨等。
- 天气标志物：观察天空、云朵、风向等天气标志物，可以对天气进行初步判断。例如，乌云密布可能表示即将下雨，风向的改变可能表示天气将转变。
- 气象观测：观测气温、湿度、风速等气象参数的变化，结合经验判断天气的变化趋势。例如，气温逐渐升高可能表示天气将变热，湿度逐渐增加可能表示即将下雨。
虽然天真预测存在一定的不确定性和局限性，但在缺乏专业气象预报的情况下，可以作为一种简单的参考方法。对于一些日常生活中的活动安排，如出行、户外运动等，可以根据天真预测做出初步的决策，同时也要留有一定的灵活性，以应对可能的天气变化。
腾讯云相关产品和产品介绍链接地址：
- 腾讯云天气预报API：提供全球范围内的天气数据查询和预测服务，包括实时天气、未来天气、空气质量等信息。链接地址：https://cloud.tencent.com/product/tiia
- 腾讯云气象云：提供气象数据的存储、计算和分析服务，支持气象模型和算法的开发和应用。链接地址：https://cloud.tencent.com/product/meteo
- 腾讯云大数据分析：提供强大的数据处理和分析能力，可用于处理和分析气象数据，支持构建气象预测模型和算法。链接地址：https://cloud.tencent.com/product/cda
相关·内容
2回答
我正在做一个使用ANN预测股票价格的项目。我已经使用过去7年的数据训练了系统，它可以很好地预测一天的数据。现在我想预测未来七天的股票价格。
我的想法是使用第一天的数据预测第二天的数据，使用第二天和第一天的预测数据预测第三天的数据，依此类推。但是它不能正常工作。
我已经训练ANN使用开盘价、一天的最高和最低价格来预测收盘价。
预测未来七天的数据的想法是什么？
浏览 2提问于2012-05-29得票数 5
回答已采纳
1回答
我有一个时间序列图，是分割成几个部分的基础上的维护日。你可以把它想象成从x轴上出现的垂直线，它象征着日期的维护。我想找出分段之间的关系，预测维护一天后信号会发生什么变化。有什么办法解决这个问题吗？我该怎么解决呢？
浏览 0提问于2019-10-12得票数 1
1回答
我想用我拥有的数据集做一个天真的预测，但我正在努力做到这一点。
values = DataFrame(dataset.iloc[:, -1])
Y_naive = pd.concat([values.shift(24), values], axis=1)
Y_naive.columns = ['t', 't+1']
x = Y_naive.values
我基本上有的是每小时的数据，我想要比较最后一列关于它的表现{0,1}。由于我想将这个天真的预测与其他一天前的预测进行比较，我想使用前一天的数据(shift(24))来预测实际的表现
浏览 7提问于2017-08-29得票数 1
回答已采纳
我有一个时间序列数据集。我正在使用python、pandas和statsmodel来尝试预测下个月的数据。
我有每日数据：
首先，我运行autoarima来查看我必须在Sarimax模型中放入哪些变量：
auto_arima(df['occurrences'],seasonal=True,m=7).summary()
我得到了这样的结果：
因此，现在我将数据集拆分为训练数据和测试数据。我想试着预测下个月，所以我做到了：
train = df.loc[:'2020-04-30']
test = df.loc['2020-05-01
浏览 27提问于2020-05-22得票数 0
回答已采纳
1回答
我有以下模式：
一个包含事件的表，每一行都是事件，每个事件都有时间戳。
我想试着去了解每周每小时发生多少件事。
我试着和天真的bayes学习者合作(用二进制语言)，但是结果很糟糕，我认为由于二进制，数字确实有意义。
我假设一天和一小时与事件的数量有关系，一些简单的公式/树。
我应该用什么学习者来处理数字而不是名义值呢？
谢谢,
浏览 0提问于2016-08-11得票数 0
1回答
时间序列数据集的外推
、、、
我有一个数据集，其中包含每个用户配置文件的能源需求，在不同的日期(例如，夏季的工作日或冬季的周六)每半小时采样一次。我想做的是利用现有数据随机性地将其扩展到一年中的每一天。
你对时间序列外推有什么推荐的方法？
我正在处理的数据集在这里：
浏览 6提问于2020-03-18得票数 1
我正在训练ARIMA和随机森林模型在3天的时间范围内进行预测，但是需要用一年的时间来评估模型。
处理以下问题的正确方法是什么：
我注意到大多数轻骑兵没有办法设定一个比预测值更大的验证值，这有什么原因吗？
365天不是我的预测(3天)的倍数。有问题吗？
我使用的librairies计算一个视界的RMSE。如果在所有水平上做RMSE平均值，我不会得到全年的RMSE，因为RMSE不是线性度量。我是否应该停止使用由库计算的RMSE？
在评估我的模型时，我应该把每一天都看作是一个预测日，还是只预测每一个预测时段(也就是每3天一次)。
浏览 0提问于2022-08-13得票数 3
我试图使用LSTM神经网络进行多步/多输出预测(我一次预测多个值，知道过去的一些值)。但是，我已经意识到，当我把我的单变量系列分成训练和测试集时，我必须小心。在这篇文章中，我将分享在我看来必须要做的事情，但我真的很想得到你的。
(X_k)_{1\leq k\leq N}表示我的单变量时间意甲。
因此，基本上，多个输出模型是复杂的，因为它们被训练来学习输入和输出之间以及输出之间的依赖关系。这可能是一个问题，因为我改变了我的时间意甲这样：
D = (x=(X_k, ..., X_{k+p-1}) , y=(X_{k+p},..., X_{k+p+n-1}))_k 使用p，步骤数和输出数(1 \le
浏览 0提问于2019-07-15得票数 1
1回答
下面的代码使用PRNG (伪随机数生成器) Random类为初始临时密码生成密码字符，而不是本应使用的更加密的RNGCryptoServiceProvider。
但是，它确实使用RNGCryptoServiceProvider为PRNG生成一个种子，所以我认为这可能是有价值的，而不是根据一天中的当前时间进行播种，这是在使用PRNG时通常的做法，因为在使用PRNG时，安全性是无关的。
，我的问题是：，为了破坏密码生成系统和猜测新用户的密码，这种攻击的方法有多容易或者有多难？
// Generate 4 random bytes.
byte[] randomBytes = new byte[4];
浏览 5提问于2013-01-07得票数 1
回答已采纳
1回答
我有两列的时间序列数据:日期和卷，比如enter image description here 我想要预测第二天的量，那么我如何设置参数？ P/S:我将预测水平设置为1，但输出预测在时间序列中仅显示最后一天的5。:(
浏览 23提问于2020-04-25得票数 1
3回答
我已经建立了一个随机的森林分类模型，以学习，但我不知道如何确定我的预测。
我已经建立了模型，并在测试数据上显示了良好的效果。我的平均准确率为85%。预测股票价格是涨是跌。我使用了雅虎金融的数据，包括开放，高，低，关闭和数量。在此基础上，编制了RSI、ROC、随机振荡(快、慢)、macd、平衡体积、200天移动平均等技术指标，并将其作为随机森林分类器的特征(自变量)。我创建了另一个专栏，显示价格上涨时的1和价格下降时的0。此列用作因变量。(我想预测的是)
我现在想弄清楚的是，我怎样才能预测未知的未来？目前，我已经将我的数据分成训练和测试，在训练数据集上训练模型，然后在测试数据集上使用预测函数。该
浏览 0提问于2021-07-08得票数 2
回答已采纳
3回答
我试图建立一个回归模型，根据某一天的产品和竞争对手的价格、天气、季节和某一天的一周的天数来估算某一天啤酒产品的销售量。
我的问题是如何将数据分割成训练和测试。
因为我假装用这个模型来预测未来的一天，所以我想我可以把数据分开，这样测试集就由最近日期的观测和过去日期的火车测试组成。
这是有道理的，还是我应该随意分开？
浏览 0提问于2022-03-06得票数 0
我对pvlib的预测有一个概念上的问题:问题是，如果我问“过去的预测”，那么我不知道预测的时间范围是什么。对于实际的未来预测，更明显的是，我会天真地从返回的预测的时间戳中减去当前时间，尽管如果数据请求(依赖于模型)仅以每小时或每6小时的间隔进行，那么似乎我必须将这种不确定性添加到地平线上，因此我仍然不确定。
对于过去的预测，我完全不知道地平线是什么。如何确定这一点？
这个问题适用于pvlib-python获取数据/预测的标准方法，我认为它也适用于特殊脚本，用于获取数据以进一步预测过去。
在理解这种情况时，任何帮助都将不胜感激。
为了让这个问题更具体，我从forecast_to_power.ip
浏览 1提问于2019-03-11得票数 0
我试图理解亚马逊预测所需的数据，以便使用我的历史销售数据创建需求预测。我已经看了很多次文档了。对于相关时间序列中的"in_stock“字段是如何工作的，我仍然感到困惑。下面链接到我所指的"in_stock“字段的描述：
上面写着：
以下字段是可选的，可能有助于改进预测结果：
in_stock (整数；1=true，0=false) -指定该项是否库存的标志。
这个字段到底意味着什么？当销售数量为0时，是否意味着将其设置为0？换句话说，如果给定一天的销售数量为0，并且in_stock设置为0，则系统知道销售为0，因为该产品不可用，而不是因为没有需求。
如果一件产品在半日内缺货
浏览 3提问于2020-02-18得票数 1
免责声明:我是非常新的数据统计和空间点建模在一般.请原谅我的天真。
我最近尝试使用spatstat来拟合和模拟与天气现象有关的空间点模式，其中空间模式代表一组目击报告(例如冰雹发生的报告)，观测窗口和协变量是基于一些气象参数(例如。窗口是水分至少为X的区域，然后水分变量在训练模型时作为协变量传递)。
moistureMask = owin(mask=moisture>X)
moistureVar = im(moisture)
obsPPP = ppp(x=obsX,y=obsY,window=moistureMask)
myModel = ppm(obsPPP ~ moistureVa
浏览 2提问于2021-03-29得票数 0
回答已采纳
3回答
基本上，我们不想使用闪存，并且在可能的情况下避免使用php (出于营销原因)。
现在，我在看Rails，就像我看到的.但我并不是一个真正的程序员，在过去的10年里，我主要与Wordpress、Drupal和Joomla一起工作。
我们的网站需要有许多定制的应用程序，他们(视频上传和画廊，用户帐户，员工时间记录，等等)的一致性外观。我们不期望有任何高流量网站(没有超过500个独特的看法在一天)。
有人认为不是是未来5年左右的好选择吗？
浏览 8提问于2010-06-25得票数 0
我想用凯特来预测我们将要销售的产品的销售情况。我们销售多少的关键指标之一是我们在某一天之前在广告上花费了多少。在接下来的几周里，我们也知道这一点。因此，我们希望提供这样的预测时间，以提高预测的准确性。
我遵循本教程。
我看不出有什么办法给模特提供这个信息。难道这是不可能的吗？
浏览 6提问于2022-09-18得票数 0
回答已采纳
我知道这件事有第三方延期。我对这些不感兴趣。我发现处理扩展和额外的软件是一场噩梦。我需要把它装进去。
我基本上是试图根据表中列中现有的整数或日期时间数据来预测下一个或许多未来的数字。
基本上，我想做的是：
SELECT next_predicted(sold_at) FROM car_sales BASED ON sold_at > now() - INTERVAL '1 year' LIMIT 1;
或者：
SELECT next_predicted(weight) FROM my_weight BASED ON measured_at > now() - INT
浏览 0提问于2020-09-14得票数 -1
1回答
我有一个时间序列(每日)数据集由一个标签(整数)和15个特征在5年内。我不知道特征的含义，但我必须根据这些特征来预测标签。
为了做到这一点，首先，我使用了来自pandas.tools.plotting的pandas.tools.plotting来确定我的标签(y)中是否有季节性。请参阅下图：
然后，通过扫描Freq参数，使用seasonal_decompose查找标签(y)的季节、趋势和残差：
你能告诉我哪个弗雷克没问题吗?为什么？
下一步是什么？我是否需要从数据中删除趋势项和季节项，然后尝试通过回归(例如SVR、线
浏览 1提问于2017-12-02得票数 1
我试图想出一个公式或机器学习算法，我可以使用它来大致预测每周或每月的用户。
要记住的是，我已经对每周/几个月的独特访客进行了统计，我想做一个近乎准确的预测。在这里，简单地总结每日唯一的用户将不会工作，因为他们可以是独特的一天，但不是在两天，因为他们可以有一个会话超过2天。
为了节省时间和资源，这种方法可以替代在整个周/月数据上运行星火作业--这可能吗？
我看过时间序列和线性回归，但需要更多的澄清可能的方法和任何工作？
浏览 0提问于2016-01-25得票数 2
1回答
我正在尝试将一条曲线拟合到这些曲线上，以获得新的数据点。基本上，这个图代表了食品在不同时间的销售速度。
在X轴上有剩余的生产时间(以分钟为单位)，在y轴上有累积的食物需求，我们在不同的日子得到不同的颜色线。
我试图找出的是给定特定日期的初始销售速度，我如何预测曲线的性质？
我想要一种能理解曲线模式的模型。并在给定初始销售速度的情况下预测曲线的性质。
因此，基本上，当模型看到新数据时，仅从一天开始时的销售速度的初始数据点，我们就可以预测曲线的性质。这样我们就可以预先知道要生产多少。
因此，随着更多数据的到来，我们可以更好地预测最终需求是多少。我想在每10分钟预测一次曲线是什么样子的？
有没有什么
浏览 1提问于2019-12-19得票数 1
我在tensorflow 2中使用LSTM建立了一个预测。
我的数据由7列组成: date (日)、gross_sales (目标)、daily_total_inventory、avg_daily_order_value、daily_total_new_customers、is_holiday (1/0)、is_promo_day (1/0)。
我的目标是根据过去总销售额的历史值和所有其他变量(库存、平均订单价值、新客户、是否是假日，以及是否正在进行促销)来预测总销售额。
然而，我也有一个计划的时间表，为未来的促销日，我希望我的模型考虑到在预测销售总额。例如，每一次促销活动，与非销售日相比，销
浏览 0提问于2020-09-06得票数 0
我是机器学习和深度学习的新手。我一直想解决时间序列问题，它每秒钟都有数据。另外，我最近一直在研究word2vector和时间序列数据。有一天，我想出了一个想法，把像日期时间这样的序列数据转换成一个热编码？
time
2017-11-01 00:00:01
2017-11-01 00:00:02
2017-11-01 00:00:03
2017-11-01 00:00:04
.
.
.
我的想法有以下的局限性，
学习维度过高(1天= 60* 60 * 24 = 86400(s))
无限的时间-时间将产生每一刻，甚至现在也是如此。
秒差太小，无法学习。
我要你确定我上面所说的关于限制的内容
浏览 0提问于2018-01-31得票数 4
我的兰德数字是兰德()%6+1又名掷骰子，当它基于“时间”，有没有可能使一个控制台应用程序，预测未来的数字在我想要的时间？例如，预测未来某一天14:40:32的数字？
浏览 1提问于2016-02-16得票数 1
1回答
我正在尝试写一个SQL来计算我们公司的“业绩日期”。
为了获得一种感觉，我从SQL中编写了一个摘录：
..CASE
WHEN EXTRACT(weekday FROM deliverydate) = 1 THEN (bek.deliverydate-3)
WHEN EXTRACT(weekday FROM deliverydate) = 2 THEN (bek.deliverydate-3)
ELSE
bek.deliverydate-2
END AS performancedate
这个很好用。(周末将演出日延长一天，因为送货需要多一天)
接下来
浏览 2提问于2020-07-20得票数 0
2回答
我想知道它是否错误；在处理时间序列数据时；以每日价格为特征，以3天后的价格为目标。
这是正确的，还是我应该使用第二天的价格作为目标和培训后；预测3次；每次在未来一天(使用预测值作为一个新的功能)。
这两种方法会产生类似的结果吗？
浏览 0提问于2018-08-06得票数 1
4回答
是否有人在Objective-C中实现了？我(希望不是天真的)假设在一个好的API中包装NSInvocations应该是相当简单的？
浏览 1提问于2010-03-25得票数 16
回答已采纳
朴素贝叶斯分类器是否执行文本标注(序列标记)？如果是，我需要一个教程。对于天真的贝斯，你怎么看马利特？
浏览 9提问于2017-01-17得票数 0
回答已采纳
1回答
我正在建立一个时间序列模型。
但是，我很难理解simulate函数和forecast包中的forecast函数之间的区别。
假设我建立了一个arima模型，并希望用它来模拟长达10年的未来值。数据是每小时一次，我们有一年的数据。
当使用forecast来预测下一个1000步的估计时，我得到了下面的图.
使用预测方法的
然后，我使用simulate函数来模拟接下来的1000个模拟值，并得到了下面的图。
使用模拟方法的
红线后的数据点是模拟数据点。
在后一个例子中，我使用了以下代码来模拟未来的值。
simulate(arima1, nsim=1000, future=TRUE,
浏览 1提问于2016-12-02得票数 4
1回答
如何预测多变量数据的未来？
、、、、
我对80%的训练数据和20%的检验用多元数据训练了fb先知模型。我想用同样的多元方法训练和预测未来5天的数据。有可能吗？
通过使用pm2.5作为y值以及多元pm1和pm10，在没有未来数据的情况下进行多元培训：
from fbprophet import Prophet
model=Prophet(interval_width=0.9)
model.add_regressor('pm1',standardize=False)
model.add_regressor('pm10',standardize=False)
model.fit(train_df)
这是
浏览 4提问于2022-03-28得票数 1
在将TMY文件读取到PvLib的过程中，我希望使用PvLib函数、类或模块生成天气数据。
我已经找到了一些功能来生成天气预报使用“从pvlib.forecast导入GFS，NAM，NDFD，HRRR，RAP”这些模块。上述方法/算法都有一定的局限性。它在有限的时间内生成数据。其中一些模块只生成7天或1个月。同时给出了3小时时间戳差的数据。
是否有可能使用PvLib插值全年的天气数据？
浏览 5提问于2020-06-23得票数 1
1回答
Sha1 1/0 (160位输出)，md5(128位输出)具有512位的块大小。Gost有256位
具体的512/256/1024位的原因是什么？
在为一个算法选择一个特定的块大小时，考虑了哪些因素？
对不起，这个问题太天真了！
浏览 0提问于2018-01-13得票数 2
回答已采纳
2回答
从多变量时间序列区间检测罕见事件
、、、、
给定传感器状态间隔的时间序列，如何实现从有监督的训练数据中学习的分类器来检测基于状态间隔序列的事件？为了简化这个问题，传感器状态被简化为true或false。
更新：我在挖掘时间间隔序列上找到了解决类似问题的。在多元时间序列中挖掘层次时间模式的方法是一种新的方法，但它处理的是分层数据。
示例训练数据
下面的数据是事件的训练示例，表示为随时间变化的图形，其中/¯¯¯\表示true状态间隔，\___/表示传感器的false状态间隔。
Sensor | Sensor State over time
| 0....5....10...15...20...25... //
浏览 4提问于2010-10-01得票数 13
回答已采纳
3回答
我用过去三个月的地理位置创建了一个数据集。数据集包含经度、纬度和时间戳，频率每5分钟一次。根据这些数据，我想在未来两周内预测我的地理位置。我想在一定程度上得到几个预测的结果。
我认为有两种选择：
把它转换成一个分类问题，有离散的目标位置，如家、工作场所、健身房。此外，我必须创建描述我在某个地方时的特性，基本上将时间维度转换为特性。这些功能可以包括一天中的小时、一周中的一天等。不过，我不确定这种方法是否能够捕捉到时间趋势。
使用预测模型预测/预测实际的纬度和经度坐标。然后将预测的纬度/经度转换为“家”或“工作”等位置。我在这里看到的最大问题是，这只会给我一个地点，而不是一个有各自确定性的地点清单
浏览 0提问于2023-03-09得票数 2
回答已采纳
1回答
在R中，我正在研究一个月需求的时间序列，目前，我使用朴素方法来预测12个月(h=12)，它非常好，我只想预测一个月(h=1) (总是用朴素方法)，然后将这个预测值包含到时间序列中，并重复这个过程12次。例如：
预测2013年1月
将此预测值包含到时间序列中。
将朴素方法应用于新系列
我的时间序列不是固定的，有趋势和季节性。
我想做的是预测使用天真，但一步一步(逐个月)，更新我的时间序列每一步。我怎么能这么做？
浏览 9提问于2015-01-03得票数 0
这是我第一次在天气预报中使用openweather.com API，我只想在接下来的5天中显示以下信息：
每日最低和最高气温天气图标当前天气描述(小雨，阳光.)
简单地说，由于某种原因，我得到了非常奇怪的结果，看看下面的图像，这样你就可以理解(我认为这五个结果实际上是同一天的，不同的时间戳，看看最小/最大的温度，也许？而不是接下来的5天。
这是我的密码：
async getForecast()
{
let url = "https://api.openweathermap.org/data/2.5/forecast";
let
浏览 3提问于2021-01-05得票数 0
回答已采纳
我正在创建一个web应用程序，应用Python的random算法(Mersenne )生成随机12位整数。我担心用户如何通过使用API调用记录所需的序列数来预测未来的结果。
import random
def rand12bits():
return random.randint(0, 4095)
我需要多少个这样的输出来预测未来的序列？
我知道，如果有足够的(624)观测到的32位整数的输出，它可以被逆转。但在这种情况下，RNG只发出12位整数。我是不是遗漏了什么？请原谅我的天真--我是这方面的新手。
浏览 0提问于2020-05-26得票数 0
回答已采纳
我有几个spark作业，我必须在一天内安排两到三次，这取决于工艺要求，这是一种批处理作业。我们在Apache系统中进行了该设置，并使用OnPremise Oozie Workflow进行编排。既然我们在Google Cloud中，同样的设置是否可以正常工作，或者我应该将其切换到Composer。我知道Composer是google提供的托管服务，对于Oozie，我必须做设置工作。但对于Oozie，代码更改将是最小的，而对于Composer，我必须更改调度器作业，这可能会导致最小的进程更改。我甚至不知道Oozie集成是否会像预期的那样工作，因为它就像云的外部服务。哪种调度程序可以节省我的时间，并
浏览 15提问于2020-02-09得票数 0
1回答
基于循环的多SKU时间序列预测
、、、、
我试着用Facebook ()重新创建一个用于多个时间序列预测的代码，我在这方面取得了部分成功。但不幸的是，它们正在产生的输出是一个时间序列，它每天预测预测，但我的时间序列输入数据是逐月进行的。
我为此使用的数据集是：
{'Date': {0: '2019-01-01', 1: '2019-02-01', 2: '2019-03-01', 3: '2019-04-01', 4: '2019-05-01', 5: '2019-06-01', 6: '2019-07-01'
浏览 9提问于2022-09-17得票数 0
1回答
假设我使用寓言包估计了以下模型，使用涵盖2019年的每日数据，其中x是一个外生解释变量。术语pdq(p = 1, d = 0, q = 0)和PDQ(P = 0, D = 0, Q = 0)意味着这是一个自回归模型。
library(tidyverse)
library(fable)
load(file, "Some data.RData")
fit <- dta_2019 %>%
tsibble() %>%
model(ar = ARIMA(y ~ x + pdq(p = 1, d = 0, q = 0) + PDQ(P = 0, D = 0,
浏览 3提问于2020-02-17得票数 1
回答已采纳
Roslyn是用C#编写的，带有一些初始引导。它是否为我们在c#中不再需要.NET的那一天铺平了道路？也许是一个带有".NET“运行时的C#版本，它太小了，以至于我们甚至不认为它是".NET"？
提前感谢您的帮助。
浏览 0提问于2011-12-14得票数 3
回答已采纳
1回答
我正在尝试预测标准普尔500指数。但是，我得到了一个平坦的预测(没有季节性或任何东西)。正在尝试使用python Pyramid Arima库。数据是标准普尔500指数(S&P500)，每日“收盘”。 对auto_arima函数有什么建议的修改吗？有没有办法调整这一点，使最终的预测显示出趋势和季节性，而不是平坦的趋势？ import pmdarima as pm
smodel = pm.auto_arima(data, start_p=0, start_q=0,
test='adf',
浏览 143提问于2020-01-08得票数 0
1回答
我被这个问题困住了。假设我们有下一个消息。
CustomerID: 1，日期: 3/2/2018，数量: 3，总计: 390.78，Min: 130.26，最大值: 130.26
我们想确定一天、几个月、几年的销售总和，直到那个月的最后一天，我正在使用Microsoft Azure Machine Learning Studio，我稍微修改了一些数据(我知道一些Python和R)，一天我们可以得到下一个数据。
日期:2018年2月3日，TotalSalesToday: 4023.45，FirstToToday: 1322.92 TargetValue: 42611.27
如果TargetVal
浏览 0提问于2019-02-05得票数 2
回答已采纳
1回答
嗨，
我正在用Python做一个arima模型。
我有一个MasterDate，AREA和QTY的数据集。
在代码的开始，我过滤我的excel文件通过过滤区域和删除列GRPCODE。
我创造了一个训练和一个有效的集合。
培训集为01-12-2020 (及返校)
我的有效标准是01-11-2020和更远。
X_train =df2[df2 2‘MasterDate’<= '01-12-2020'].groupby(by='MasterDate').sum() X_train.reset_index(inplace = True) X_valid =df2[
浏览 1提问于2021-11-02得票数 0
对于与时间相关的问题，例如股票预测：
假设我们有300天的数据，10个特性，还有一个目标:价格。
为什么，对于训练，我们只需要300天的价格？我知道这是LSTM模型的工作方式，但是考虑到其他299天模型的价格不是很有用吗？
浏览 0提问于2019-05-22得票数 0
我有一个多变量的五年数据集，除了y之外还有其他五个特性。我有一个火车测试分裂，其中的培训集是头4年。我希望它能预测第五年，这样我就可以将结果与实际的第5年数据进行比较。
我用future制作make_future_dataframe(periods=365)数据格式。我pandas.concat未来和培训DFs (因为pandas.merge切断空白的第五年) future_regressors = pandas.concat([future, train[['f1', 'f2', 'f3', 'f4', 'f5'
浏览 7提问于2021-01-17得票数 0
回答已采纳
我刚开始进行时间序列预测，我的一个朋友已经做了好几年了，他给我看了他的一个项目。在他的项目中，他预测了一家商店的月销售额，而且他有3到4年的历史数据可供使用。但是，他所做的是在12到24之间产生滞后。所以他基本上是在第二年每月出现滞后期，而在过去的一年里跳过了吗？若然，为甚麽呢？他告诉我一些反测试，这相当于验证一个模型？而在预测时，模型绝不能看到过去一年的滞后？此外，他预测未来一年，所以据我所知，他至少要每月产生12个月的滞后性？如果他的后遗症少了怎么办？
现在我脑子里有很多困惑和疑问。我读了/做了很多初学者/开始时间序列课程，但在实践中更难。因此，如果有人能为我澄清这些事情，我会非常感激和非
浏览 0提问于2022-06-29得票数 0
在我的人工智能课程中，我们正在学习转向行为，我想我应该尝试实现其中的一些。我主要阅读来熟悉这些主题。
是my的存储库。相关场景在Assets/Scenes/Wandering.unity下面。
下面是相关的脚本：
using System.Collections;
using System.Collections.Generic;
using UnityEngine;
public class Wandering : MonoBehaviour
{
public float maxSpeed;
private float speed;
public float max
浏览 1提问于2019-02-12得票数 0
2回答
我想用PyTorch中的神经网络来预测特定股票的走势。我跟随一本指南来了解这类程序的基本结构。然而，本指南仅适用于基于x上一天的股票价值(回溯)的单日预测。
我的目的是看看这些预测是否能进一步预测未来，就像过去的单日预测一样。因此，我修改了程序，使递归预测，根据以前的预测值的神经网络。基本上，我一开始就做了一个为期一天的预测，将值附加到进行前一次预测的回溯数组中，并使用第一天的预测值和前几天的给定值对第二天进行了新的预测。
程序本身运行良好，但是预测值似乎接近某个值。绘制预测值显示指数图(见下图)。
📷
我正在寻找一种解释为什么这种行为被观察和/或建议一个更好的算法预测值到未来的一天。我很可能
浏览 0提问于2021-04-21得票数 1
2回答
有没有可能找到某人在子集时间范围内退出表格之前的最近一天？
我有一些类似的东西：
<code>A0</code>
我正在尝试获取日期范围为'2018-01-01‘和'2019-08-17’的所有人，但随后不在'2019-08-18‘的表中。
但是，这仍然导致我在原表中捕获了在2019-08-18有一天的人，新表只是忽略了那一天，而不是找到在那一天真正没有记录的人
浏览 9提问于2019-08-22得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
