Прогнозирование временных рядов с помощью рекуррентных нейронных сетей

[Madzi]

Расскажите пожалуйста, как определяли/убирали гармоническую составляющую из исходных данных?
Делали ли сравнение по прогнозированию классическим методом авторегрессии скользящего среднего для исследуемого вами ряда?

[OLZ1]

Набор данных подготовил Ф.Шолле. Я не делал сравнений с другими методами, но идея заманчивая и интересная: вполне тянет на отдельную статью. Если возьмётесь, будет здорово!

[S_A]

Правильную статью выбрали, годную. Сам пользуюсь кое-чем из неё, модели в проде, и врут ровно настолько, насколько врут (по составу влияния на таргет) входы.

[OLZ1]

Продолжение о прогнозировании временных рядов с помощью РНС: ссылка.

[maksler]

такой вопрос. В результате модель прогнозирует стандартизированную целевую переменную. На графиках отмечены прогнозное и фактическое значение, но и то и другое стандартизированы. А как получить реальное значение?

[OLZ1]

Сделайте инверсию.

# Стандартизация обучающих данных (здесь mean и std это объекты Series pandas)
mean, std = train_data.mean(axis=0), train_data.std(axis=0)
df_scaled = (df - mean) / std
# Инверсия целевой переменной (target)
origin = preds * array(std[target]) + array(mean[target])

Попробуйте.