Свързани публикации 'forecasting'
Прогнозиране на периодичното търсене с метода на Croston
Внедряване в Python
Методът на Croston е метод за прогнозиране, който е особено полезен за периодични времеви редове на търсенето, които се характеризират с редки и нередовни случаи на търсене.
В периодични времеви редове на търсене често има много периоди на нулево търсене или ниско търсене, последвани от спорадични периоди на по-високо търсене. Да приемем например, че отговаряте за управлението на запасите от резервни части за индустриална машина. Машината рядко се поврежда, така..
Глобално дълбоко обучение за съвместно прогнозиране на времеви редове
Няколко думи за най-горещите модели в сферата
Машинното обучение е пословично сложна област, практикувана както от академичните среди, така и от индустриите, като непрекъснато подобрява своите показатели и ражда интересни идеи и подходи за решаване на проблеми.
Той е внедрен успешно в безброй практически приложения в много различни области, преди дори да бъде разработена подходяща теория, обясняваща защо работи.
Поради тази причина понякога може да е малко трудно да се поддържате в..
Прогностичен анализ в действие за прогнозиране и линии на тенденции
Data Analytics трансформира бизнеса и помогна на различни сектори да спечелят своите печалби. Подходът на внимателно разглеждане на данните, за да се отговори на запитванията, да се посочат тенденциите и да се извлекат прозрения — може да ви доведе до необходимата информация, за да създадете план и да вземете засягащи бизнес решения.
Те могат да бъдат изпълнени по четири различни начина: -
„Какво се случи?“ Постигнато чрез описателен анализ „Защо се случи това?“ Това попада..
Прогнозиране на цените на акциите с помощта на XGBoost (част 5/5)
Използване на модели за подреждане!
В предишната ни статия проучихме използването на „директно прогнозиране“ (известно още като „ежедневни модели“). В тази статия ще разгледаме „подреждането“, което е алгоритъм за групово машинно обучение.
Стъпките „изявление на проблема“, „инженеринг на функции“, „разделяне на обучение-валидиране-тест“ остават същите като в предишните статии и...
Прогнозиране на производството на вятърна енергия във Франция чрез машинно обучение
Сътрудници: Gokul Rajiv, Jerome Tan Jun Wei, Vijay N., Shem Maleriado, Vignesh Sankar Iyer
Опустошението, причинено от предизвиканото от човека изменение на климата, причини хаос на екологията на Земята и се превръща в заплаха за съществуването, особено за хората в бедните общности. Изменението на климата се причинява основно от увеличените емисии на парникови газове от промишлена дейност. Въглеродните емисии от енергийните индустрии имат огромен принос. Глобалните емисии на CO2,..
Машинно обучение за прогнозиране: Наблюдавано обучение с многовариантни времеви редове
Въведение в модела с авторегресивни разпределени закъснения с помощта на Python.
Тук ще научите как да създавате модели за прогнозиране с многовариантни времеви редове.
Това е продължение на моята предишна публикация . Там описвам основните стъпки за контролирано обучение с едномерни времеви редове.
Въведение
Времевият ред е многовариантен, ако съдържа повече от една променлива.
Вижте фигура 1 за пример. Той показва месечен многовариантен времеви ред за продажбите на различни..
Бързо прогнозиране на времеви редове със StatsForecast
Прогнозирайте светкавично бързи едномерни времеви редове с пакета StatsForecast на Nixtla
StatsForecast е пакет , който идва с колекция от статистически и иконометрични модели за прогнозиране на едномерни времеви редове. Работи идеално с големи времеви серии и не само твърди, че е 20x по-бърз от известния пакет pmdarima , но и 500x по-бърз от fb пророк .
Тази статия ви предоставя първи преглед на пакета StatsForecast и как да го използвате . За да демонстрираме..
