本文主要是介绍M5之深度学习需求预测算法，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
目录
- 1. 案例回归
- 2. RNN, LSTM, WaveNet 理论基础
- 2.1 理论
- 2.1 RNN
- 3. 实际代码操作
- 4. 总结及作业
1. 案例回归
本节是【新零售场景下的销量预测4】，
上节课讲了树模型，去构建特征工程，用lag（历史的销量）作为主要的特征去构建特征工程，再经过树模型（LGBM、XGBoost）去训练和预测，
预测方式有 4 种，
其中，多输出测量在树模型中是无法实现的，
拿一个模型，它会拿到历史的数据，历史的观察值，然后去xx出未来的 t+1、t+2 的销量，这个是无法通过树模型去解决，但是可以通过神经网络或者深度学习去解决，也是本节重点。
这篇关于M5之深度学习需求预测算法的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
