华为:华为
差别
这里会显示出您选择的修订版和当前版本之间的差别。
| 两侧同时换到之前的修订记录 前一修订版 后一修订版 | 前一修订版 | ||
|
华为:华为 [2018/03/31 11:17] Chris [第十天（2018年3月30日 周五）] |
华为:华为 [2021/02/17 22:16] (当前版本) |
||
|---|---|---|---|
| 行 87: | 行 87: | ||
| ====== 第十一天（2018年3月31日 周六） ====== | ====== 第十一天（2018年3月31日 周六） ====== | ||
| - | * 出现错误提示：{{ :zhaochunyang.tar.gz |}} | + | * 出现错误提示：{{ :zhaochunyang.tar.gz |}}，原因是ecs里面有个'\n'忘了删除了。 |
| <WRAP center round box 80%> | <WRAP center round box 80%> | ||
| 行 97: | 行 97: | ||
| [preliminariesL2usecase02]: "The format of the output file is invalid! Error info: The host number is invalid (not integer)!" | [preliminariesL2usecase02]: "The format of the output file is invalid! Error info: The host number is invalid (not integer)!" | ||
| </WRAP> | </WRAP> | ||
| + | * 通过测试，分数提升至**78.414** | ||
| + | * 有人（得分89）在排行榜的“团队口号”里写了：价值网络+蒙特卡罗搜索树+GRU+Attention | ||
| + | * 看直播，得到一堆算法的名字：ARMA, ARIMA, GARCH，马尔科夫，指数模型。百度“时间序列预测”可以得到更多信息。 | ||
| + | * clockwork rnn https://arxiv.org/abs/1402.3511 | ||
| + | * 目前看到的最好的RNN、LSTM、GRU博客：Understanding LSTM Networks（翻译） https://blog.csdn.net/xiaopihaierletian/article/details/71214160 | ||
| + | * 手把手教你用 Python 实现针对时间序列预测的特征选择 https://www.leiphone.com/news/201703/6rVkgxvxUumnv5mm.html | ||
| + | ====== 第十二天 （2018年4月1日 周日） ====== | ||
| + | * 改用二次指数平滑，**分数提升至81.977，冲进前20名。** | ||
| + | * 【大数据部落】基于ARIMA、SVM、随机森林销售的时间序列预测 https://blog.csdn.net/qq_19600291/article/details/74217896 | ||
| + | * 手把手教你用 Python 实现针对时间序列预测的特征选择 https://www.leiphone.com/news/201703/6rVkgxvxUumnv5mm.html | ||
| + | ====== 第十三天（2018年4月2日 周一） ====== | ||
| + | * 随机森林random forest及python实现 https://blog.csdn.net/rosefun96/article/details/78833477 | ||
| + | * Python中利用LSTM模型进行时间序列预测分析 https://www.cnblogs.com/arkenstone/p/5794063.html | ||
| + | * 零基础入门深度学习(6) - 长短时记忆网络(LSTM) https://zybuluo.com/hanbingtao/note/581764 | ||
| + | * 如何在Python中从零开始实现随机森林 https://cloud.tencent.com/developer/article/1043093 | ||
| + | * Tensorflow实例：利用LSTM预测股票每日最高价（二） https://blog.csdn.net/mylove0414/article/details/56969181 | ||
| + | ====== 后记 ====== | ||
| + | * 2018年4月9日：[python] 时间序列分析之ARIMA https://blog.csdn.net/u010414589/article/details/49622625 | ||
华为/华为.1522466268.txt.gz · 最后更改: 2021/02/17 22:16 (外部编辑)