本文主要是介绍M5之深度学习需求预测算法,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
目录
- 1. 案例回归
- 2. RNN, LSTM, WaveNet 理论基础
- 2.1 理论
- 2.1 RNN
- 3. 实际代码操作
- 4. 总结及作业
1. 案例回归
本节是【新零售场景下的销量预测4】,
上节课讲了树模型,去构建特征工程,用lag(历史的销量)作为主要的特征去构建特征工程,再经过树模型(LGBM、XGBoost)去训练和预测,
预测方式有 4 种,
其中,多输出测量在树模型中是无法实现的,
拿一个模型,它会拿到历史的数据,历史的观察值,然后去xx出未来的 t+1、t+2 的销量,这个是无法通过树模型去解决,但是可以通过神经网络
或者深度学习
去解决,也是本节重点
。
这篇关于M5之深度学习需求预测算法的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!