希望你一切顺利，
在机器学习中，HyperParameter优化或调整是为学习算法选择一组最佳超参数的问题。
在这项工作中，用于调整LSTM参数的贝叶斯优化算法，以便用于时间序列预测。
--------------------- ||单变量时间序列预测|| --------------
单变量时间序列是指由单个（标量）观察按时间增量顺序地样本的时间序列。
在此代码中，贝叶斯优化算法负责查找最佳LSTM网络值。
covid 19 dataset。
https://youtu.be/5KZwQ6K2wMM
您可以从下面的链接下载代码：
。
基于混合C-LSTM（混合卷积神经网络与LSTM）模型的单变量时间序列预测
对于比特币数据集。
--------------------- ||多变量时间序列预测|| --------------
多变量时间序列具有多于一个多次依赖的变量和一个顺序。每个变量不仅取决于其过去的值，还取决于对其他变量的一些依赖性。
它可以是形式的
- 可实现的输入和一个输出。
- 可实现的输入和多变量输出。
在此代码中，贝叶斯优化算法负责查找最佳LSTM网络值。
空气质量数据集，第一部分。
https://www.youtube.com/watch?v=u-7_jf6ydua.
您可以从下面的链接下载代码：
。
如果您有疑问或想改进代码，请不要犹豫
给我发邮件：abolfazl。nejatian@gmail.com
最美好的祝福，
阿博法兹尔内贾田
引用
Abolfazl Nejatian（2021）。与贝叶斯优化的时间序列预测（//www.tianjin-qmedu.com/matlabcentral/fileexchange/87137-time-series-prediction-with-bayesian-optimization），Matlab中央文件交换。检索到。
