【時序模型】《Deep and Confident Prediction for Time Series at Uber》論文閱讀

摘要 經典的時間序列模型常與不確定性估計的概率公式結合使用。然而這類模型很難調優、縮放和添加外生變量。針對近年來長短期記憶網絡（LSTM）的興起。該文提出了一種新的端到端貝葉斯深度度模型，該模型能夠提供時間徐略預測和不確定性估計。 準確的時間序列預測具有挑戰性的原因在於：1.差異較大的時段。2.因爲極端事件預測依賴於許多外部因素，對於Uber，包括天氣、城市人口增長或營銷變化。這些外部變量很難納入

>>阅读原文<<