ByteCat

强化学习的主要构成要素包括：智能体、环境、行动、奖励。

强化学习（Reinforcement Learning, RL），又称再励学习、评价学习或增强学习，主要用于时变系统控制规则构建和对战博弈策略构建。

TCN加上自注意力机制做预测。

时间卷积网络TCN做预测。

BiLSTM加上自注意力机制做预测。

将单向LSTM改为双向LSTM（BiLSTM）。

AttentionLSTM结合了LSTM和自注意力机制的优点。

使用LSTM模型进行单步或多步的时间序列预测。

使用xgboost模型进行单步或多步的时间序列预测。

时间序列缺失值的处理方法。