时序卷积网络

时序卷积网络 | Python实现TCN时序卷积网络数据预测

基本介绍

本文绍时序卷积网络TCN（Temporal Convolutional Network），专门针对时序的卷积网络。

• CNN 卷积神经网络几乎是深度神经学习的代名词，主要用于图像处理。一维的CNN也可以用于时序方面的挖掘。
• CNN一般包含卷积层和池化层，卷积计算互相关，所以可以挖掘时序的相关性，池化层可以进行降维，用于提取特征。卷积CNN是否可以用于时序预测，理论上可以，其实效果不好。有以下原因：
• CNN本身很难捕获上下文的关系。
• 传统的卷积会导致泄露，因为在计算卷积的时候用到了后来的时序（试想一下pandas rolling）
• 池化层相当于提取轮廓特征，但是会丢掉细节
• CNN天生不是为时序设计的，所以无法聚焦于时序的内部模式，比如趋势，季节性等。
• 所以我们可以看到CNN用于时序分类，因为可以提取时序的大体特征，