基于BSFinformer 模型的金融数据特征选择及预测

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要：金融领域的长时间序列预测正在面对复杂的市场和众多金融产品的挑战，传统的时序数据预测方法在处理线性分布数据时表现良好，但对于特征参数冗余和非线性长序列金融产品数据的预测效果有限. 为了解决这一问题，提出一种长时间序列预测方法BSFinformer （Boruta⁃SHAP+Finformer），（剩余2393字）

试读结束

目录
monitor
客服机器人