效果一覽

文章概述

Autoformer、FEDformer和PatchTST是一些用于時(shí)間序列預(yù)測(cè)，包括股價(jià)預(yù)測(cè)的模型。它們都是在Transformer模型的基礎(chǔ)上進(jìn)行了改進(jìn)和擴(kuò)展，以更好地適應(yīng)時(shí)間序列數(shù)據(jù)的特點(diǎn)。
Autoformer：Autoformer是一種自適應(yīng)Transformer模型，它引入了自動(dòng)建模機(jī)制和自適應(yīng)特征選擇來(lái)處理時(shí)間序列數(shù)據(jù)。Autoformer通過(guò)引入自動(dòng)建模模塊，可以自動(dòng)學(xué)習(xí)時(shí)間序列的長(zhǎng)期和短期依賴關(guān)系，并且通過(guò)自適應(yīng)特征選擇，可以動(dòng)態(tài)地選擇和調(diào)整輸入特征的重要性。這使得Autoformer在處理多變量時(shí)間序列數(shù)據(jù)，如股價(jià)預(yù)測(cè)中，具有較好的性能。
FEDformer：FEDformer（Feature Enhanced Denoising Transformer）是一種融合了特征增強(qiáng)和去噪的Transformer模型。FEDformer通過(guò)引入特征增強(qiáng)模塊，可以對(duì)原始輸入特征進(jìn)行編碼和增強(qiáng)，以提取更有用的