时间序列预测 | Python实现梯度提升Prophet模型时间序列预测

时间序列预测 | Python实现梯度提升Prophet模型时间序列预测

目录

    • 时间序列预测 | Python实现梯度提升Prophet模型时间序列预测
      • 基本介绍
      • 程序设计
      • 总结

基本介绍

一般情况下 LightGBM 模型都会使用一些lag的特征来预测未来的结果,这样做一般情况下能够取得很好的效果。本文介绍一种新的思路:使用 Prophet 从时间序列中提取新特征,然后使用LightGBM 进行训练,可以得到更好的效果。Prophet 模型的实际预测、置信区间的上限和下限、每日和每周的季节性和趋势等都可以作为我们的新特征。对于其他类型的问题,Prophet 还可以帮助我们提取描述假日效果。
时间序列预测 | Python实现梯度提升Prophet模型时间序列预测_第1张图片

程序设计

你可能感兴趣的:(时间序列分析(Python),数据分析应用,数据统计分析,python,深度学习,时序模型)