Публикации по теме 'time-series-analysis'
МОДЕЛИ АРИМА И САРИМА
МОДЕЛИ АРИМА И САРИМА
В приведенном ниже блокноте мы будем реализовывать модель прогнозирования временных рядов, используя МОДЕЛЬ ARIMA (интегрированное скользящее среднее авторегрессии) и SARIMA (интегрированное скользящее среднее сезонной авторегрессии).
Авторегрессия (AR): этот компонент относится к использованию прошлых значений самого временного ряда для прогнозирования будущих значений. Другими словами, это регрессия ряда против самого себя. Интегрированный (I): этот..
Прогнозирование прерывистого спроса по методу Кростона
Реализация на Python
Метод Кростона — это метод прогнозирования, который особенно полезен для временных рядов прерывистого спроса, которые характеризуются нечастыми и нерегулярными спросами.
Во временном ряду прерывистого спроса часто бывает много периодов нулевого или низкого спроса, за которыми следуют спорадические периоды более высокого спроса. Например, предположим, что вы отвечаете за управление запасами запасных частей для промышленного оборудования. Машина редко ломается,..
Знаете ли вы, в каком контексте используются термины аддитивные и мультипликативные в контексте Времени…
В контексте сезонной декомпозиции.
Сезонная декомпозиция — полезный статистический метод для разложения временного ряда на его основные компоненты: тренд, сезонность и остатки. Разбивая временной ряд на составные части, сезонные…
Kats: введение в комплект для анализа временных рядов в Python 🐈
Что такое Катс? Как использовать Kats для анализа временных рядов. Примеры функций Kats.
Kats — это пакет Python, разработанный командой Facebook Core Data Science. Это расшифровывается как «Kats: Kit для анализа временных рядов». Kats предоставляет различные инструменты и алгоритмы для анализа и прогнозирования временных рядов. Он разработан, чтобы быть удобным и эффективным, облегчая аналитикам и специалистам по данным работу с данными временных рядов.
История..
Машинное обучение для прогнозирования: контролируемое обучение с многомерными временными рядами
Введение в авторегрессивную модель распределенных задержек с использованием Python.
Здесь вы узнаете, как создавать модели прогнозирования с многомерными временными рядами.
Это продолжение моего предыдущего поста . Там я описываю основные этапы контролируемого обучения с одномерными временными рядами.
Введение
Временной ряд является многомерным, если он содержит более одной переменной.
См. пример на рис. 1. Он показывает ежемесячные многомерные временные ряды о продажах..
Существует 14 функций потерь для задач регрессии. Вы знаете несколько из них?
Методы прогнозирования временных рядов включают использование набора исторических временных рядов для прогнозирования, которые широко используются в обработке сигналов, распознавании образов, эконометрике, математических финансах, прогнозировании погоды, прогнозировании землетрясений и других областях. В прошлом методы прогнозирования временных рядов были в основном линейными. Однако во многих недавних приложениях для прогнозирования временных рядов использовались машинное обучение,..
Прогнозирование временных рядов значений энергопотребления с использованием машинного обучения
Цель этого проекта – прогнозировать значения энергопотребления в городе Тетуан в Марокко.
Тетуан — город, расположенный на севере центральной части Марокко недалеко от Средиземного моря (7 миль). Я собрал набор данных с https://archive.ics.uci.edu/ml/datasets/Power+consumption+of+Tetouan+city и попытался предсказать значения энергопотребления для определенной зоны за определенный период времени с использованием различных алгоритмов машинного обучения . Здесь я использовал..
