VIP30

本课程属于：008-供应链计划、预测与制造协同 企业数字化与管理工程 · 共 30 门相关课程，组合学习更完整。

查看所属VIP全部课程 →

← 返回所属目录咨询 / 购买

模型集成多样性增强在时间序列预测中的实战案例

共计 30 章节

点击此处阅读海量试读课程：100+行业、1000+细分领域

集成学习在时间序列预测中的重要性 · 多样性增强的核心概念 · 课程目标与学习路径

课程导论集成学习

时间序列预测基础回顾

平稳性 · 自相关 · 偏自相关

时间序列预测基础…平稳性

经典预测模型回顾

ARIMA · 指数平滑 · Prophet的原理与适用场景

经典预测模型回顾ARIMA

集成学习基础

Bagging · Boosting · Stacking的核心思想与数学原理

集成学习基础Bagging

多样性定义与度量

Q统计量 · 相关系数 · 分歧度量

多样性定义度量

数据多样性增强

时间序列重采样 · Bootstrap方法 · 滑动窗口子序列采样

数据多样性增强时间序列重采样

特征多样性增强

随机子空间法 · 特征重要性筛选 · 时频域特征变换

特征多样性增强随机子空间法

模型多样性增强

不同超参数配置 · 不同算法族 · 不同损失函数组合

模型多样性增强不同超参数配置

训练数据多样性

时间序列切片 · 周期片段采样 · 异常片段注入

训练数据多样性时间序列切片

输出多样性增强

不同预测长度 · 不同聚合策略 · 不同后处理方式

输出多样性增强不同预测长度

随机森林在时间序列预测中的应用

构建多棵决策树 · 随机特征选择 · 预测结果聚合

随机森林时间序列预测

极端随机树（Extra Trees）在时间序列中的应用

随机分割点 · 增强模型多样性

梯度提升机（GBM）在时间序列中的应用

XGBoost · LightGBM · CatBoost的多样性对比

GBM梯度提升机

多个LSTM/GRU网络集成 · 不同初始化 · 不同Dropout率

深度集成LSTM/GRU

贝叶斯神经网络集成

不确定性估计 · 多样性来自后验采样

贝叶斯神经网络集…不确定性估计

混合集成策略

传统统计模型与深度学习模型集成 · 优势互补

混合集成策略传统统计模型

Stacking集成实战

元学习器设计 · 基模型选择 · 交叉验证生成元特征

Stacking集成实战

加权集成策略

基于验证集性能的加权平均 · 动态权重调整

加权集成策略基于验证集性能的…

多样性引导的集成选择

基于分歧度量的基模型子集选择 · 贪心算法

多样性引导的集成…基于分歧度量的基…

负相关学习（NCL）

在损失函数中加入多样性惩罚项 · 训练多样性模型

NCL负相关学习

对抗性多样性增强

通过对抗样本训练 · 增强模型对扰动的鲁棒性与多样性

对抗性多样性增强通过对抗样本训练

多任务学习与多样性

共享表示与任务特定分支 · 促进特征多样性

多任务学习多样性

时间序列数据增强

时间扭曲 · 幅度缩放 · 频率掩码

时间序列数据增强时间扭曲

伪标签与半监督集成

利用未标记时间序列数据 · 增强模型多样性

伪标签半监督集成

在线集成与自适应多样性

流式时间序列预测 · 模型动态更新与多样性维护

线集成自适应多样性

电力负荷预测——使用随机森林 · XGBoost · LSTM集成

案例实战1电力负荷预测

股票价格预测——使用Prophet · ARIMA · Transformer集成

案例实战2Prophet

气象温度预测——使用深度集成与贝叶斯… · 评估不确定性

案例实战3气象温度预测

模型评估与多样性分析

预测误差分解 · 偏差-方差-多样性权衡 · 可视化多样性矩阵

模型评估多样性分析

课程总结与未来展望

集成多样性增强的最佳实践 · 可解释性集成 · 自动化集成学习趋势

课程总结未来展望