Публикации по теме 'time-series-analysis'
Как я использовал анализ временных рядов для изучения распространения вируса оспы обезьян
Согласно набору данных Национальной службы здравоохранения (NHS), оспа обезьян — это редкое инфекционное заболевание, которое в основном встречается в Западной или Центральной Африке. Этот вирус можно заразиться от инфицированных грызунов при укусе или прикосновении к их крови, биологическим жидкостям, пятнам, волдырям или струпьям. Также можно заразиться обезьяньей оспой, съев мясо зараженного животного или прикоснувшись к…
Повышение эффективности прогнозов с помощью Nixtla StatsForecast
Повышение эффективности ThymeBoost
Фреймворк ThymeBoost, по своей сути, представляет собой просто алгоритм повышения градиента, основанный на стандартных методах временных рядов. Это означает, что инфраструктура в значительной степени зависит от эффективности и скорости базового метода. Повышение и дополнительная логика добавляют, как мы увидим в этой статье, не только точность, но и вычисление. Большая часть этой тяжелой работы ранее выполнялась с помощью StatsModels для таких..
Введение в цепь Маркова
Эта статья охватывает самое базовое понимание цепей Маркова и ключевых терминов и объектов, связанных с ними.
Цепи Маркова относятся к числу наиболее важных случайных процессов. Это стохастические процессы, для которых описание текущего состояния полностью охватывает всю информацию, которая может повлиять на будущее развитие процесса. Прогнозирование транспортных потоков, коммуникационных сетей, генетических проблем и очередей — примеры того, как цепи Маркова можно использовать для..
Адаптивное обучение для прогнозирования временных рядов
Нет необходимости говорить о важности приложений прогнозирования временных рядов в различных отраслях от энергетики до здравоохранения и т. д. Поэтому перейдем непосредственно к делу. Одной из сложных и трудных проблем, с которыми мы можем столкнуться при работе с наборами данных временных рядов, является их разнообразие статистических характеристик, что может привести к сдвигам в их распределениях и, следовательно, к различному поведению, которое затрудняет их понимание моделями. В этой..
ASHRAE — Предиктор великой энергии III — пример самостоятельного изучения машинного обучения
Я настоятельно рекомендую вам ознакомиться с веб-приложением Heroku для этого исследования здесь «ASHRAE Great Energy Predictor » и в этом репозитории Github для получения полного кода.
Оглавление
ASHRAE — Great Energy Predictor III — введение в тематическое исследование машинного обучения Об ASHRAE Постановка задачи О наборе данных Метрика оценки Проблемы с набором данных Исследовательский анализ данных Первый подход Эксперименты и..
Как не дать себя обмануть моделями временных рядов
Знайте, когда вам представляются точные прогнозы, а когда прогноз действительно очень точен.
Легко быть обманутым моделями временных рядов. Я видел модели, которые способны (на первый взгляд) точно предсказывать самые случайные тенденции, такие как цены на акции и криптовалюты, используя передовые методы, которые большинство не понимает полностью. Действительно ли временные ряды похожи на магию в этом отношении? Выполнять правильные манипуляции с данными, применять достаточно сложную..
12 вещей, которые вы должны знать о временных рядах
Для тех из вас, кто не знает, временной ряд — это просто набор числовых наблюдений, которые собираются с течением времени (рис. 1). Примеры временных рядов появляются во многих областях, от розничной торговли (например, планирование запасов) до финансов (прогнозирование цен на акции). Временные ряды интересны из-за лежащей в их основе неопределенности — данные меняются со временем, что затрудняет понимание их будущего поведения.
Здесь я опишу 12 свойств или компонентов, которые..
