时序预测一个互相欺骗的领域
看了很多关于时序预测的算法，传统的arima、prophet、xgboost以及深度学习LSTM、BiLSTM、informer等等。在各大学术研究的论文也可以发现，数据集本身设置的就没有意义。什么ETT数据集那些。例如要预测28号的标签。数据的设置本身就提供了28号对应的特征。用28号的实际特征去预测28号的实际标签。这样来做特征水论文效果肯定是好的。\n但在现实中有意义吗？显然是没有的。现实中，你根本没法知道未来还未发生所对应的特征。\n如果在当天1点前就要预测出，明天未来24小时的数据。未来特征根本没法获取。\n所以数据集也应该得按照实际情况去构建，然后才去训练才有意义。但很容易发现，效果根本就不好（对于现实数据）。\n所以一直没搞明白，大家争相发表一些表面很强的时序算法模型，实际应用价值在哪。这不是自欺欺人，互相欺骗吗？#时间序列建模