一般马尔科夫过程,用来跟时间序列结合修正误差。除了模型原因,预测效果并不好。我感觉是指数平滑已经优化得不错了,对残差用markov进行修正意义不大。因为我看到的好像是说markov比较适合随机波动大的数据?在markov上花了很多时间,尤其是加权马尔科夫。但是如果结合效果不好的话,想问用什么算法修正误差效果会好一点啊?我是预测过程中动态修正的,跟很多论文只在最后修正一下不同。
看到论坛里面基本上讨论的都是markov转换模型,这个我没有接触过,因为我们是应用层面,不是研究层面。
或者是先把数据转化成正态分布之类的,然后用markov?
总结就是:1.一般markov过程适合预测什么样的数据;2.对于波动小的数据,怎样改进markov模型,或者用什么算法替换效果会比较好。
新手没钱,等项目做完,贡献一些代码吧。谢谢大家了!!