灰色模型课的心得体会

灰色模型课的心得体会
对于多维非线性数据的预测分析，我们选择其实不多，有几个方案：
其一，用非线性回归分析，但这基于你已了解该非线性的规律去做，若它不怎么规则，那就不合适。

其二，用机器学习的算法去分析，就如我的程序，我用了随机森林，但机器学习有诸多局限性，随机森林则对超出原数据边界的预测无能为力，而神经网等其它机器学习，则不能分析连续数据，若经过变换，将牺牲一定的预测效果。

其三，灰色模型，这个模型则是一个很吸引人研究的东西，它的优势在于：容纳非线性数据，不用摸索数据的规律，不需要大量取样，你甚至不需要关注你在分析的是基于什么业务的数据。

缺点是：方法不成熟，很多程序员写出来的灰色模型都发现了Bug，例如预测结果出现负值，奇异性无法消除，至今这些问题没有获得确实的解决方案。

无论怎样，多于某个领域，灰色模型是值得继续推广和研究的，这个领域就是描绘一些事务的展望，我们通过灰色模型，可以得到一种偏离原数据较远的展望性预测。