一、深度学习的预测模型有哪些

1、然后阿里新开源的mnn也可以试试：

2、不过目前只支持tensorflow，caffe和onnx的转换，不过可以pytorch转onnx，mnn目前onnx支持的版本是3有点旧。

3、我只用玩过上面两个，其他的框架你可以在下面这个链接，找到InferenceFramework这一项，里面列出了许多移动端推理框架：

二、预测学哪个简单易学

1.预测学易学2.因为预测学是一门基于已有数据和模型进行推测和预测的学科，它依赖于统计学和数学等基础知识，相对来说比较容易理解和学习。

3.此外，预测学也有广泛的应用领域，如经济预测、天气预报等，学习预测学可以帮助我们更好地理解和应用这些预测模型，提高我们的决策能力和预测准确性。

因此，预测学是一门简单易学的学科。

三、灰色预测模型适用范围

1、灰色预测模型可针对数量非常少（比如仅4个），数据完整性和可靠性较低的数据序列进行有效预测，其利用微分方程来充分挖掘数据的本质，建模所需信息少，精度较高，运算简便，易于检验，也不用考虑分布规律或变化趋势等。

2、但灰色预测模型一般只适用于短期预测，只适合指数增长的预测，比如人口数量，航班数量，用水量预测，工业产值预测等。

3、灰色预测模型有很多，GM(1,1)模型使用最为广泛。

四、常见的预测与决策方法

1.统计预测方法：这类方法主要依据历史数据，通过统计学原理和方法进行预测。如时间序列分析、回归分析等。

2.概率预测方法：这类方法主要依据不确定事件的概率分布，进行未来事件的预测。如贝叶斯网络、马尔科夫链等。

3.机器学习方法：这类方法通过训练算法自动学习数据中的规律，从而进行预测。如支持向量机、神经网络、决策树等。

4.人工智能方法：这类方法通过模拟人类的智能行为，进行复杂问题的求解和预测。如专家系统、遗传算法、模糊逻辑等。

5.优化方法：这类方法主要针对决策问题，通过求解优化模型，得到最优的决策方案。如线性规划、整数规划、动态规划等。

6.实证分析方法：这类方法通过收集和分析实际数据，对经济、社会、管理等现象进行预测和决策。如调查研究、实证研究等。

7.组合预测方法：这类方法将多种预测方法结合起来，综合运用，以提高预测的准确性。如加权平均法、组合预测模型等。

五、预测率怎么算

1、预测率是指预测结果与实际结果之间的一致性程度，通常用百分比来表示。预测率的计算公式是：预测率=预测正确的数量/总样本量。换言之，我们将正确的预测结果数量除以总样本量，再乘以100，就得到了预测率。

2、例如，如果我们对100个样本进行预测，其中有70个预测结果是正确的，那么预测率就是70%。预测率的高低反映了预测模型的准确性和可靠性，是评价预测模型优劣的重要指标之一。