详解基于 LightGBM 与傅里叶基函数的 LazyProphet 原理和实践 | 快速做单变量时间序列预测

Posted 叶庭云

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了详解基于 LightGBM 与傅里叶基函数的 LazyProphet 原理和实践 | 快速做单变量时间序列预测相关的知识,希望对你有一定的参考价值。

CSDN 叶庭云https://yetingyun.blog.csdn.net/


一、LazyProphet

建议新建一个干净的虚拟环境来安装管理时间序列预测的库,以免与 base 环境里的库的版本冲突,多一些不必要的麻烦。

LazyProphet 是一个基于 LightGBM,为单变量时间序列预测而设计的高效的模型。

  • 增加了许多优点,如在使用滞后的目标变量(如最后 4 个值来预测第 5 个值)时进行递归预测。
  • 此外,傅里叶基函数惩罚性加权线性基函数也是可选项。
  • 千万不要对这些类型的模型使用样本内拟合(In-sample),因为它们相当贴合数据。

当我们考虑时间序列的 boosted trees 时,通常会想到 Kaggle M5 沃尔玛销量时间序列预测比赛,其中前十名中有很大一部分使用了LightGBM。但是当在单变量情况下使用 boosted trees 时&#

以上是关于详解基于 LightGBM 与傅里叶基函数的 LazyProphet 原理和实践 | 快速做单变量时间序列预测的主要内容,如果未能解决你的问题,请参考以下文章

数字图像处理 - 频率域处理关于傅里叶级数与傅里叶变换

学习小波变换与傅里叶变换

傅里叶谱方法-求导积分与傅里叶谱方法傅里叶谱方法的步聚及滤波法

傅里叶变换与卷积的区别

图像处理与傅里叶变换

图像处理与傅里叶变换