Свързани публикации 'time-series-analysis'


МОДЕЛИ ARIMA И SARIMA
МОДЕЛИ ARIMA И SARIMA В бележника по-долу ще прилагаме модел за прогнозиране на времеви редове, използвайки ARIMA MODEL (Авторегресивна интегрирана подвижна средна) и SARIMA (Сезонна авторегресивна интегрирана подвижна средна) Авторегресия (AR): Този компонент се отнася до използването на минали стойности на самата времева серия за прогнозиране на бъдещи стойности. С други думи, това е регресия на сериала срещу себе си. Интегриран (I): Този компонент включва диференциране на..
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..
Знаете ли в какъв контекст се използват термините адитивно и мултипликативно в контекста на времето...
В контекста на сезонното разлагане. Сезонното разлагане е полезна статистическа техника за разлагане на времеви редове на основните му компоненти: тенденция, сезонност и остатъци. Чрез разбиването на времевия ред на неговите съставни части, сезонните...
Kats: Въведение в комплекта за анализиране на времеви серии в Python 🐈
Какво е Kats? Как да използвате Kats за анализиране на времеви серии. Примери за функции на Kats. Kats е пакет на Python, разработен от екипа на Facebook Core Data Science. Това означава „Kats: Комплект за анализиране на времеви серии“. Kats предоставя различни инструменти и алгоритми за анализ на времеви редове и прогнозиране. Той е проектиран да бъде удобен за потребителя и ефективен, което улеснява работата на анализаторите и специалистите по данни с данни от времеви серии...
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..
Има 14 функции на загуба за регресионни задачи. Познавате ли няколко от тях?
Методите за прогнозиране на времеви редове включват използване на набор от исторически времеви редове за прогнозиране, които се използват широко в обработката на сигнали, разпознаването на образи, иконометрията, математическите финанси, прогнозирането на времето, прогнозирането на земетресенията и други области. В миналото методите за прогнозиране на времеви редове бяха предимно линейни методи. Въпреки това, в много скорошни приложения машинното обучение, дълбокото обучение, процесите..
Прогнозиране на времеви серии на стойностите на консумацията на енергия с помощта на машинно обучение
Цел на този проект е да предскаже стойностите на потреблението на енергия в град Тетуан в Мароко Тетуан е град, разположен в Северно централно Мароко, недалеч от Средиземно море (7 мили). Събрах набора от данни от https://archive.ics.uci.edu/ml/datasets/Power+consumption+of+Tetouan+city и се опитах да предскажа стойностите на консумацията на енергия на определена зона за период от време с помощта на различни алгоритми за машинно обучение . Тук използвах базирани на регресия..