现在在做的是二手车出价的价格预测,应用的是神经网络模型,模型的变量组成如下图所示,目前存在的问题是:由于数据每日都会有更新,从去年3月份到现在有700多数据了,想要体现出去年数据对模型影响小一点,最近新加进来的数据对模型影响大一点,改如何改动模型呢。 现在只有一个想法,就是把爬取时间作为自变量引入模型中,这样做不知利弊如何。求指教。 还有一点是能不能不引入新变量,直接对每条数据赋予权重,这个可以实现吗?求大佬指导。
悬赏问题
- ¥15 pycharm倒入虚拟环境的时候,显示这个,但是我的虚拟环境已经创建了
- ¥15 FPGA芯片60进制计数器
- ¥15 前端js怎么实现word的.doc后缀文件在线预览
- ¥20 macmin m 4连接iPad
- ¥15 DBIF_REPO_SQL_ERROR
- ¥15 根据历年月数据,用Stata预测未来六个月汇率
- ¥15 DevEco studio开发工具 真机联调找不到手机设备
- ¥15 请教前后端分离的问题
- ¥100 冷钱包突然失效,急寻解决方案
- ¥15 下载honeyd时报错 configure: error: you need to instal a more recent version of libdnet