Tianxiang Zhan

@wuhaixu2016 我认为merge一下有利于TSlib的使用体验，因为本身不会影响TSlib的结构，也完善了json的方案。

时间序列预测有$k$迟滞性，这也是研究方向，如果延迟消失，自然预测的好。如果直接偏移，等价于构建$\hat{y_i} = Net(y_i)$$,而你需要预测的时间点$i$,你是获取不到的，不能拿预测值预测预测值。

朴素预测是一种方法，逻辑上确实误差很低，但用的是上一个时间点的数值。

> lstm 单点预测，每一步同样要用上一个时间点的数值啊 是啊，但如果把预测的平移，就相当于已经知道了下一个时间点的数值嘛。本来构建的是 \hat{y}_i+1 = Net(y_i)，平移后相当于是\hat{y}_i+1 = Net(y_i+1) 朴素预测直接不处理，我的意思是不处理直接作为预测值 \hat{y}_i+1 = y_i。上一个时间点的数据肯定要用的。

You'd better create a new conda environment without docker and configure a correct mirror of PyPI. Maybe the official mirror of PyPI works. Then you will know what the problem...