效果一览
文章概述
Autoformer、FEDformer和PatchTST是一些用于时间序列预测，包括股价预测的模型。它们都是在Transformer模型的基础上进行了改进和扩展，以更好地适应时间序列数据的特点。
Autoformer：Autoformer是一种自适应Transformer模型，它引入了自动建模机制和自适应特征选择来处理时间序列数据。Autoformer通过引入自动建模模块，可以自动学习时间序列的长期和短期依赖关系，并且通过自适应特征选择，可以动态地选择和调整输入特征的重要性。这使得Autoformer在处理多变量时间序列数据，如股价预测中，具有较好的性能。
FEDformer：FEDformer（Feature Enhanced Denoising Transformer）是一种融合了特征增强和去噪的Transformer模型。FEDformer通过引入特征增强模块，可以对原始输入特征进行编码和增强，以提取更有用的
