2.3 特征工程

文档摘要

2.3 特征工程 2.3 特征工程在基于深度学习的时间序列预测中，特征工程是至关重要的一步，它将原始时间序列数据转化为模型可以学习的、具有更强预测能力的特征表示。深度学习模型虽然具备自动学习复杂模式的能力，但高质量的特征工程仍然能够显著提升模型的性能、收敛速度和泛化能力。本章将详细阐述时间序列特征工程的各个方面，包括其重要性、常用特征类型、以及如何有效地构建这些特征。 2.3.1 特征工程的重要性尽管深度学习模型，特别是循环神经网络 RNN、长短期记忆网络 LSTM、门控循环单元 GRU 和 Transformer 等，在处理序列数据方面表现出色，能够从原始数据中学习到复杂的非线性关系，但特征工程的重要性依然不可忽视。