时间序列用神经网络预测，为什么序列打乱后拟合效果更好

上图1是对时间序列不打乱直接按顺序分为训练集和测试集，图2是打乱的时间顺序。不明白为什么打乱的测试的结果就是很正常，不打乱就几乎没有拟合效果……

这道理很简单，时间序列的每一部分都不包括远处别的部分数据变化的规律。打散的数据能使你的训练“见识到”更多不同的规律。

• 这有个类似的问题, 你可以参考下: https://ask.csdn.net/questions/207695
• 我还给你找了一篇非常好的博客，你可以看看是否有帮助，链接：【数字图像处理课程设计】期中、期末综合考试题目整理总结（共四个图像处理算法应用题）
• 除此之外, 这篇博客: 数学建模-插值与拟合模型中的 拟合：已知有限个数据点，求近似函数，不要求过已知数据点，只要求在某种意义下它在这些点上的总偏差最小。 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  

• 插值和拟合都是要根据一组数据构造一个函数作为近似，由于近似的要求不同，二者的数学方法上是完全不同的。而面对一个实际问题，究竟应该用插值还是拟合，有时容易确定，有时则并不明显。

• 您还可以看一下 李月喜老师的企业微信开发第三方应用开发篇课程中的 服务商网站通过授权链接安装应用,获取临时授权码及永久授权码小节, 巩固相关知识点