Публикации по теме 'time-series-analysis'


Проектное введение в прогнозирование временных рядов
Интересоваться нашим будущим или задавать вопросы о том, что будет дальше, свойственно людям. Точное предсказание будущих событий необходимо для многих аспектов нашей жизни. Они могут варьироваться от выбора типа одежды, которую мы носим, ​​в зависимости от погоды на улице, до возможности заработать (или потерять) много денег, анализируя тенденции на рынке. Это то, что я буду исследовать в этом блоге, прогнозирование временных рядов или предсказание будущего состояния путем изучения..
Обнаружение выбросов во временных рядах с Kats и Comet
Введение Приложения временных рядов распространены повсеместно и находят применение в различных отраслях, таких как цепочка поставок, электронная коммерция, финансы, розничная торговля, биотехнологии, прогнозирование погоды, нефть и энергетика, производство, астрономия и т. д. Эти приложения генерируют данные, которые могут быть зашумлены в реальном времени. мире, так как некоторые неучтенные факторы могут повлиять на измерения. Например, на показания датчиков, используемых для..
Прорыв в прогнозировании временных рядов на выставке Neurips 2020
Глубокое погружение в новейшую литературу по прогнозированию временных рядов и то, как вы можете использовать их в своих бизнес-сценариях. В этом году на Конференции по обработке нейронной информации авторы опубликовали ряд новых статей, посвященных прогнозированию и классификации временных рядов. Здесь я кратко рассмотрю их основные вклады, а также расскажу об их реализации и наших сроках для переноса их в нашу структуру глубокого обучения для прогнозирования временных рядов..
Навигация по кластеризации временных рядов
Кластерный анализ, или более известный как кластеризация, тесно связан с областью социальных наук. Впервые он возник в области антропологии, а затем был введен в психологию Робертом Тайроном ¹. С тех пор она превратилась в область, охватывающую математическую строгость. Основная цель кластерного анализа состоит в том, чтобы разделить и классифицировать объекты по различным группам, что сложнее, чем кажется на самом деле. Это потому, что алгоритм не понимает, что такое «похожее», а..
Введение для начинающих в анализ и прогнозирование временных рядов
Стационарность, декомпозиция временных рядов, моделирование ARIMA и многое другое Недавно я влюбился в тему временных рядов. Я нахожу удивительным, что так много вещей, которые мы наблюдаем в окружающем нас мире, и, возможно, вещи, которые мы иногда принимаем как должное, на самом деле можно объяснить с помощью времени. Подумайте об этом, дорожное движение, как правило, достигает пика в определенные часы в течение дня, продажи мороженого обычно выше летом или, в последнее время, как..
Введение в моделирование методом Монте-Карло с использованием Python
Узнайте, как симуляции Монте-Карло используются для прогнозирования вероятностей и что они из себя представляют Симуляции Монте-Карло: что это такое? Из-за участия случайных величин моделирование методом Монте-Карло оценивает вероятность того, что может произойти неопределимое событие. Для определения вероятности алгоритм использует повторную случайную выборку. Используя случайные входные данные, вы многократно имитируете событие, чтобы получить свою оценку. В…
Методы временных рядов: фильтр Калмана, часть 5
Введение В прошлом посте мы обсуждали расширенный фильтр Калмана, в этом посте мы рассмотрим неароматизированный фильтр Калмана (UKF) — еще один метод, когда модель наблюдения и/или перехода нелинейна. Метод называется неароматизированным, потому что применяется неароматизированное преобразование. Когда система нелинейна, мы могли бы взять набор точек сигмы вокруг априора и с определенным отношением к стандартному отклонению применить преобразование и получить набор точек, принадлежащих..