预测模型可以预测数据的移动平均版本吗？
我正在做一个项目，在这个项目中，我正在开发一个降水预报模型。
当我试图预测原始数据时，该模型(LSTM神经网络)无法预测峰值。
这是原始数据的预测值：
所以，我决定表演
1)一种差分方法，在这种方法中，我简单地从当前值减去过去的值。
2)对步骤1生成的数据采用移动平均法。
然后我试着预测数据的这个处理版本。
以下是平滑数据的预测值：
( 1)这类预测模式能否为院士所接受？
( 2)我应该试着预测原始数据吗？
3)这些类型的预测模型(预测平滑的数据版本)有哪些可能的用途？
( 4)对如何处理这种情况，有何建议？
回答 2
Data Science用户
发布于 2018-09-24 06:05:45
在估计理论中，估计随机变量最简单的方法是预测其实现的平均值。很容易，很简单，很天真，很有用。
让我解释一下:在你的问题是天气，过去几天的数据和第二天的数据之间的相关性很高，这使得你的估计是一个很好的估计，但在许多问题上，前几天和第二天的数据之间的相关性很小(股票市场)。你需要记住的另一件事是做错误的成本，这意味着，预测温度是最近几天(75天)的平均值，如果实际温度是78，那么在股票中，如果最近几天的平均温度是10，实际值是10.5，那么差异可能是可以接受的。这一差异0.5可能是不可接受的。
从数学上讲，这意味着什么？如果您的估计中可接受的误差是<<，则在具有基于平均值的估计器的数据中的变化是不可接受的。
关于将数据从一个域转换到另一个域的问题，如果您是一个确定性映射函数，它可以将您带回到原始域。我们更喜欢一对一的映射
Data Science用户
发布于 2018-09-23 22:58:41
在分类和回归问题中，您不是在搜索正确输出的平均值，而是试图预测正确的输出！所以不，我不认为这是你想做的。您正在考虑一个更容易的问题，在这个问题中，期望的输出只是实际值的移动平均值。
3)我从来没有做过天气预报，但我想从某种程度上说，拥有这些信息并不是完全无用的。(但还是不对！)
4)我不知道你对回归了解多少，但是：
- 您是否将数据集拆分为训练、验证和测试集？
- 你考虑过用CNN做时间序列吗？
- 你对火车电子验证的准确性如何？你适应过度了吗？
https://datascience.stackexchange.com/questions/38687
复制相似问题
腾讯云开发者
