【发布时间】：2020-02-29 16:44:08
【问题描述】：
我正在尝试将机器学习算法应用于一个数据集，该数据集由名为 SO2（目标变量）的发动机排放的污染物组成，该数据集在 6 个月的时间内以每 15 分钟的间隔收集。数据集也确实有其他自变量，如压力、蒸汽等随时间变化。 现在的问题是 我应该像 arima 这样的时间序列建模来预测 So2 吗？ 还是我应该选择随机森林或 svm 进行预测？
谢谢
【问题讨论】：
-
欢迎来到 SO，这是关于 特定编码 的问题，而不是关于 ML 方法和方法的一般建议；你的问题太宽泛了，主要是基于意见，请花点时间阅读How to Ask和What topics can I ask about here?。
标签： machine-learning time-series svm forecasting