做时间序列预测任务需要掌握哪些？华理博士精讲 LSTM、Informer、Pandas、ARIMA模型，究极通俗易懂！

然一新_:
up您好！我的arima（1，1，1）拟合后预测出来的数值是一阶差分后的平稳序列，为什么你预测出来的是原始序列呢？

【回复】有没有对预测值进行了反差分呢？同学
Hamanecer:
【时间线】 - 0:00-0:30 🤖介绍递归神经网络(RNN)并在图像识别、数值和图像数据之外的应用。 - 0:30-1:00 📹解释时间序列数据的概念，并举例说明数据之间的相互影响。 - 1:00-2:00 💬讨论RNN在处理时间序列数据方面的优势，包括数值、正弦函数和文本数据。 - 2:00-2:30 📝强调RNN在文本分析中的广泛应用，并指出文本数据中前后顺序的重要性。 - 2:30-3:00 ⏱️概述课程目标：了解如何在QQ工具包中实现RNN并处理时间序列数据。 - 3:00-4:30 📊介绍第一份数据——正弦数据序列，并解释如何使用前面的数据预测下一个数据点。 - 4:30-5:30 📐定义滑动窗口的大小，并说明如何使用前面的序列预测下一个序列。 - 5:30-6:30 📏强调输入数据的统一要求，并举例说明文本数据中词数不同的处理方法。 - 6:30-7:30 📐定义窗口长度为50，并解释X0到XT的含义和step值。 - 7:30-8:30 📐指出每个维度表示一个值，但在文本数据中，每个维度可能表示一个向量的情况。 - 8:30-9:23 💡总结数据结构，并建议根据网络模型的要求构建输入数据。 【摘要】： 主要介绍了递归神经网络(RNN)在处理时间序列数据方面的应用，包括数值、正弦函数和文本数据。强调了RNN在文本分析中的优势，并指出输入数据格式的重要性。课程目标是了解如何在QQ工具包中实现RNN并处理时间序列数据，重点是数据准备和网络模型构建。 --本内容由@DDD_cat生成，正在努力做一款好的ai工具，欢迎访问我们的网站：https://ai.ddcatai.com, qq群：680316576