时间序列分析 | Python实现Temporal Fusion Transformer 时间序列预测
基本介绍
Temporal Fusion Transformer(TFT)是一个基于注意力的深度神经网络，它优化了性能和可解释性，顶层架构如下图所示。
时间序列
专为单个时间序列（无论是多变量还是单变量）创建模型的情况现在已经很少见了。现在的时间序列研究方向都是多元的，并且具有各种分布，其中包含更多探索性因素包括：缺失数据、趋势、季节性、波动性、漂移和罕见事件等等。
通过直接预测目标变量往往是不够的，我们优势还希望系统能够产生预测区间，显示预测的不确定性程度。</
版权声明：本文为m0_57362105原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接和本声明。