PermutationImportance-置换重要度
用于模型解释与特征影响分析，采用置换重要度辅助比较参数、特征贡献或变量交互关系，帮助理解和改进预测模型；适用范围取决于所连接的基础模型。
暂未开通下载渠道
软件下载目录
选择算法后，再查看当前可用的下载方式。
分类筛选
SHAP-可解释性
用于模型解释与特征影响分析，采用可解释性辅助比较参数、特征贡献或变量交互关系，帮助理解和改进预测模型；适用范围取决于所连接的基础模型。
Autoformer-Autoformer
用于使用Autoformer建立深度学习时间序列模型，学习复杂的时序依赖并进行预测，适合样本量相对充足的连续序列；训练效果受数据规模、特征和参数影响。
暂未开通下载渠道
BiLSTM-双向 LSTM
用于使用双向 LSTM建立深度学习时间序列模型，学习复杂的时序依赖并进行预测，适合样本量相对充足的连续序列；训练效果受数据规模、特征和参数影响。
暂未开通下载渠道
CNN_LSTM-CNN–LSTM 混合
用于使用CNN–LSTM 混合建立深度学习时间序列模型，学习复杂的时序依赖并进行预测，适合样本量相对充足的连续序列；训练效果受数据规模、特征和参数影响。
CNN1D-一维卷积神经网络
用于使用一维卷积神经网络建立深度学习时间序列模型，学习复杂的时序依赖并进行预测，适合样本量相对充足的连续序列；训练效果受数据规模、特征和参数影响。
暂未开通下载渠道
DeepAR-DeepAR
用于使用DeepAR建立深度学习时间序列模型，学习复杂的时序依赖并进行预测，适合样本量相对充足的连续序列；训练效果受数据规模、特征和参数影响。
暂未开通下载渠道
GRU-门控循环单元
用于使用门控循环单元建立深度学习时间序列模型，学习复杂的时序依赖并进行预测，适合样本量相对充足的连续序列；训练效果受数据规模、特征和参数影响。
暂未开通下载渠道
Informer-Informer
用于使用Informer建立深度学习时间序列模型，学习复杂的时序依赖并进行预测，适合样本量相对充足的连续序列；训练效果受数据规模、特征和参数影响。
暂未开通下载渠道
当前第 16 页，共 23 页，共 204 个算法