Machine learning 时间序列预测中的偏移
我在谷歌图片上看到了很多时间序列预测，我注意到预测值与实际值之间有规律的变化。我想到的一件天真的事情是将预测曲线向后移动，以获得更好的结果。这样可以吗 例如，请看下图，Machine learning 时间序列预测中的偏移,machine-learning,neural-network,time-series,Machine Learning,Neural Network,Time Series,我在谷歌图片上看到了很多时间序列预测，我注意到预测值与实际值之间有规律的变化。我想到的一件天真的事情是将预测曲线向后移动，以获得更好的结果。这样可以吗 例如，请看下图， 您是否使用过去的预测来预测当前（即，您必须使用x（0）来预测x（1）），因为这样您就永远不会对x（0）进行预测，因此滞后时间为-1。我使用过去观察到的预测来预测下一次观察。是的，因此您永远不会对x（0）进行预测，这意味着您必须将预测的数组偏移+1。如果您使用的是matplotlib，您应该执行如下操作：plot（范围（1，len
您是否使用过去的预测来预测当前（即，您必须使用x（0）来预测x（1）），因为这样您就永远不会对x（0）进行预测，因此滞后时间为-1。我使用过去观察到的预测来预测下一次观察。是的，因此您永远不会对x（0）进行预测，这意味着您必须将预测的数组偏移+1。如果您使用的是matplotlib，您应该执行如下操作：plot（范围（1，len（x）+1），x）对不起，我是说plt.plot（…）！你是用过去的预测来预测当前的情况吗（即，你必须用x（0）来预测x（1）），因为这样你就永远不会有x（0）的预测，因此滞后于-1。我用过去的观察来预测下一次的观察。是的，所以你永远不会有x（0）的预测，这意味着您必须将预测的数组偏移+1。如果您使用的是matplotlib，您应该执行如下操作：plot（范围（1，len（x）+1），x）对不起，我是说plt.plot（…）！