问题描述
我有一个一般性的问题。我有一个非常不稳定的时间序列数据。 DNN给出了非常糟糕的结果（嗯，我还没有尝试过LSTM）。我的问题是，如何在现实生活中或根本不进行时间序列数据的差分？我的意思是我有一列火车和一个测试仪。我会改变这样的火车设置
difference(t) = observation(t) - observation(t-1)
这是链接：https://machinelearningmastery.com/difference-time-series-dataset-python/。
之后，我什至可以将其标准化并训练网络。我保存了模型。
此后，我加载了一个测试集，实际上我实际上已经想做一个预测，所以我将加载那些也是非平稳时间序列的特征，也许是最后几天，这样我才能也要移动它们，进行归一化，加载模型并进行预测。在进行了inverse_transform之后，我必须添加昨天的值，对吧？
如果提前一天进行预测，这听起来还可以。为了进行预测，我必须至少提前两天。同样，我将永远无法预测未来的一天，或者仅通过预测来预测。整个过程听起来是否合理？你自己做的吗？它真的可以在练习中起作用吗？
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）