預(yù)測(cè)是研究預(yù)測(cè)理論、方法、評(píng)價(jià)和應(yīng)用的一門新興科學(xué)。它是軟件科學(xué)的一個(gè)重要分支。縱觀預(yù)測(cè)思維方式，其基本理論主要包括慣性原理、類比原理和相關(guān)原理。預(yù)測(cè)的核心問(wèn)題是預(yù)測(cè)的技術(shù)方法，即預(yù)測(cè)的數(shù)學(xué)模型。預(yù)測(cè)

預(yù)測(cè)是研究預(yù)測(cè)理論、方法、評(píng)價(jià)和應(yīng)用的一門新興科學(xué)。它是軟件科學(xué)的一個(gè)重要分支。

縱觀預(yù)測(cè)思維方式，其基本理論主要包括慣性原理、類比原理和相關(guān)原理。預(yù)測(cè)的核心問(wèn)題是預(yù)測(cè)的技術(shù)方法，即預(yù)測(cè)的數(shù)學(xué)模型。預(yù)測(cè)方法有很多種，如灰色預(yù)測(cè)法、神經(jīng)網(wǎng)絡(luò)法等。本文將綜合數(shù)學(xué)模型中常用的幾種基本預(yù)測(cè)模型，總結(jié)每種模型的優(yōu)缺點(diǎn)和適用范圍。（1） 自回歸AR（P）模型（2）移動(dòng)平均MA（q）模型

深度學(xué)習(xí)模型很常見：卷積神經(jīng)網(wǎng)絡(luò)CNN、堆疊式自動(dòng)編碼器SAE、遞歸神經(jīng)網(wǎng)絡(luò)DNN、生成對(duì)抗網(wǎng)絡(luò)Gan、深度信念網(wǎng)絡(luò)DBN、深度神經(jīng)網(wǎng)絡(luò)DNN、深度強(qiáng)化學(xué)習(xí)DRL，以及許多模型。

深度學(xué)習(xí)中沒(méi)有預(yù)測(cè)模型，只是那些模型是一個(gè)預(yù)測(cè)問(wèn)題。GDP預(yù)測(cè)是一個(gè)連續(xù)的問(wèn)題。我覺得CNN、DBN和DNN不合適。如果數(shù)據(jù)量有限，參考互聯(lián)網(wǎng)金融，我覺得遷移學(xué)習(xí)深度學(xué)習(xí)模式是一個(gè)不錯(cuò)的選擇。個(gè)人觀點(diǎn)，僅供參考，更多官方賬號(hào)可關(guān)注個(gè)人微信公眾號(hào)“深度學(xué)習(xí)與NLP”。