WildMay

摘要： 最近在项目优化过程中，选择了TimeMixer作为业务预测的模型baseline后，发现业务的周期性其实学得并不好，直接复用的业务结果直接比传统机器学习还差！！！！ 可能这时一些人的做法会直接从SOTA模型里挨个选型，毕竟每年上百篇的时序论文，总有一篇适合你的业务场景~ 但也有怼着一个base模型进 阅读全文

摘要： 最近在做业务分类预测时，遇到单标签和多标签的分类问题，决定好好扒一扒这个softmax和sigmoid~ 首先是应用场景的区别。sigmoid更适合多标签分类（multi-label classification），而softmax适用于单标签多分类（multi-class classificati 阅读全文

摘要： title：MMFNET: MULTI-SCALE FREQUENCY MASKING NEURAL NETWORK FOR MULTIVARIATE TIME SERIES FORECASTING paper：https://arxiv.org/pdf/2410.02070 code：暂未公开 h 阅读全文

摘要： 在时间序列表征学习中，高频和低频数据在频域与时域上的表征学习适用性存在显著差异，其核心原因与数据特性、信息分布及模型能力密切相关。关于低频和高频时序数据哪个更适合使用频域方法来进行表征学习？ 以下个人见解，不当请指正~ ⚙️ 一、高频时序数据：更适合频域表征 📡 1. 频域优势显著的原因 噪声分离 阅读全文

摘要：  阅读全文

摘要： AAAI-2022 ——《TS2Vec: Towards Universal Representation of Time Series》 paper地址：https://arxiv.org/pdf/2308.01737 highlights：一种与模型无关的时序表征学习的预训练框架，利用对比学习范 阅读全文

摘要： 引入 所谓跷跷板问题，就是说多目标优化的时候，任务A优化好了，结果发现任务B效果不好。 帕累托最优：Pareto efficiency或Pareto Optimality，代表了一种多目标优化任务中的理想状态。每次迭代的时候求一个可执行域，可执行域保证每个任务都是有优化的，然后在这个可执行域迭代求个 阅读全文

摘要： 我是谁：从算法工程师到知识游牧者 作为某互联网大厂的推荐算法工程师，距离研究生毕业刚好一年零三百一十三天。 每天的工作是在TensorFlow与PyTorch的生态里穿梭，处理着动辄上亿的用户行为数据，试图用Embedding向量捕捉人类兴趣的微妙波动。 和许多同行一样，我经历过凌晨三点的模型训练告 阅读全文