回到未来：面向行动导向的混合 Transformer-XGBoost 现在预测模型
机器学习
2024-12-31 v1 人工智能
摘要
受到经典电影《回到未来》的启发，本文探索一种创新的自适应现在预测方法，重新构想当前行动与未来结果之间的关系。在电影中，人物通过时间旅行操控过去事件，以实现更好的未来。类比地，我们的框架利用对未来的预测性见解来指导和调整当前条件。该双阶段模型将 Transformer（未来瞄望）的预测能力与 XGBoost（决策者）的可解释性和效率相结合，实现未来预测与当下适应的无缝循环。通过使用气象数据集进行实验，我们展示了该框架在实现更准确预测方面的优势，同时指导针对实际应用的可操作干预。
引用
@article{arxiv.2412.19832,
title = {Back To The Future: A Hybrid Transformer-XGBoost Model for Action-oriented Future-proofing Nowcasting},
author = {Ziheng Sun},
journal= {arXiv preprint arXiv:2412.19832},
year = {2024}
}