如何解决具有不规则时间步长的时间序列作为机器学习回归工具的测试数据
我开发了一个用于能源预测的机器学习回归工具,作为测试集,我需要来自天气 API 的数据。这个天气 API 为我提供了不同时间步长的值,一小时的分钟值,48 小时的每小时值和 7 天的每日值。我希望我的预测也能给出这些时间范围内的结果,但当然,因为它是能量,如果是分钟、小时或每日值,结果会有所不同。
有没有人有关于如何处理时间步长不规则的时间序列作为测试集的经验?我是否必须在每个时间步训练我的模型才能同时以分钟、小时和每日值进行预测?
有关天气 API 的信息:https://openweathermap.org/api/one-call-api
解决方法
使用 facebook 先知模型进行时间序列预测,使用其功能 makeprediction(set time duration),它将根据您的需要帮助您进行预测。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。