希望你一切都好，
在机器学习中，超参数优化或调优是为学习算法选择一组最优超参数的问题。
在本工作中，贝叶斯优化算法用于调整LSTM的参数，以用于时间序列预测。
----------------------|| 单变量时间序列预测 ||---------------
单变量时间序列是指由单个(标量)观测样本按时间增量顺序组成的时间序列。
在这段代码中，贝叶斯优化算法负责寻找最优的LSTM网络值。
Covid 19集。
https://youtu.be/5KZwQ6K2wMM
你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
比特币的数据集。
----------------------|| 多变量时间序列预测 ||---------------
多元时间序列包含多个时变变量和一个序列。每个变量不仅依赖于它过去的值，而且还依赖于其他变量。
它可以是
-多变量输入和一个输出。
-多变量输入和多变量输出。
在这段代码中，贝叶斯优化算法负责寻找最优的LSTM网络值。
空气质量数据集，第一部分。
https://www.youtube.com/watch?v=U-7_Jf6YdUA
你可以从下面的链接下载代码:
．
如果您有问题或者想要改进代码，请不要犹豫
给我发邮件:abolfazl.nejatian@gmail.com
最好的祝愿,
阿布Nejatian
引用作为
阿布Nejatian(2021)。时间序列预测与贝叶斯优化(//www.tatmou.com/matlabcentral/fileexchange/87137-time-series-prediction-with-bayesian-optimization)， MATLAB中央文件交换。检索．
