体验华为云AI市场-时序预测
【摘要】 AI市场时序预测模型体验
看到AI市场发布了时序预测算法，激动的搓手手去体验了一把。
鉴于本人之前主要用的是prophet，它主要支持单个维度的预测，所以此处本人借用了一下Facebook prophet发布的example_air_passengers数据集,比较了AI市场上发布的几款时序预测算法（arima,holt_winters,rnn,lstm,gru,lstnet）和prophet的精度，下面就来看看效果。
【注】：由于attention本人不甚了解，此处没有参与作比，下述结果均没有经过精细调参
预测长度为1时的结果如下：
| model | rmse | mae |
|---|---|---|
| rnn | 1.5473 | 1.5473 |
| lstm | 1.8647 | 1.8647 |
| gru | 8.8313 | 8.8313 |
| lstnet | 0.6239 | 0.6239 |
| arima | 17.3280 | 13.3967 |
| holt_winter | 2.7017 | 2.7017 |
| prophet | 5.9334 | 5.9334 |
预测长度为30时：
| model | rmse | mae |
|---|---|---|
| rnn | 54.6909 | 47.0872 |
| lstm | 72.8356 | 52.1513 |
| gru | 54.6235 | 47.4627 |
| lstnet | 24.9708 | 21.1370 |
| arima | 38.9775 | 30.0968 |
| holt_winter | 18.0542 | 13.4871 |
| prophet | 13.7973 | 14.6968 |
从结果可以很明显的看出来，example数据量很小，在预测长度很小时，AI市场提供的积累深度学习算法效果都不错，但是当预测长度长，且数据量又少的时候，就远不如prophet稳定。
今天的体验就到此结束了，后续打算体验一下多维的和attention。
【声明】本内容来自华为云开发者社区博主，不代表华为云及华为云开发者社区的观点和立场。转载时必须标注文章的来源（华为云社区）、文章链接、文章作者等基本信息，否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容，欢迎发送邮件进行举报，并提供相关证据，一经查实，本社区将立刻删除涉嫌侵权内容，举报邮箱：
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论（0）