Статьи по теме time-series-forecasting

Публикации по теме 'time-series-forecasting'

Прогноз загрязнения воздуха

Воздух важен для человека, и с момента индустриализации загрязнение окружающей среды увеличивается. Ежегодно миллионы преждевременных смертей вызваны плохими условиями окружающей среды, поэтому загрязнение воздуха является крупнейшим экологическим риском в мире. Мониторинг и понимание качества воздуха имеют решающее значение для здоровья и изменения климата. Результатом загрязнения воздуха является сочетание высоких выбросов и неблагоприятной погоды. Улучшение качества воздуха может..

Учим LightGBM считать до 10

Как трудно это может быть? LightGBM — это надежный алгоритм машинного обучения. Но умеет ли он считать до 10? LightGBM, пожалуй, лучший алгоритм для табличных данных. Это умный метод, лежащий в основе многих решений-победителей в соревнованиях по машинному обучению. LightGBM также предоставляет данные временных рядов. Победитель последней итерации М соревнований по прогнозированию (M5) использовал LightGBM в качестве алгоритма обучения. Поигравшись с ним, я решил..

Прогнозирование временных рядов: метрики ошибок для оценки производительности модели

Введение В Gnarum мы делаем прогнозы производства энергии на возобновляемых источниках энергии с различной мощностью и технологиями. Наша цель — разработать модели прогнозирования, которые уменьшат штрафы, вызванные отклонениями. Какой показатель лучше всего подходит для оценки моей модели? К сожалению, не существует абсолютно «правильной» метрики точности. Выбор правильной метрики зависит от конкретной проблемы и включает в себя ответы на такие вопросы, как: На каком решении..

Гибкое прогнозирование временных рядов с использованием машинного обучения

Если вы изучали прогнозирование временных рядов для проекта, вы можете разделить мое мнение о том, что контент в Интернете может быть запутанным и неполным. Вы найдете много повторяющегося контента, который редко отвечает на ваши основные вопросы. Это было моей мотивацией для этой статьи и связанного репозитория на GitHub : чтобы ответить на вопросы, которые у меня возникли, когда я исследовал прогнозирование общего назначения, создать простые в использовании модули для..

Модели анализа временных рядов ARMA, ARIMA и SARIMA — Введение

Как использовать эти модели и различия между ними Временной ряд: что это такое? Компонент времени играет решающую роль в прогнозах модели, когда речь идет о временных рядах в машинном обучении. В обычных моделях машинного обучения предполагается, что наблюдения независимы друг от друга, но это предположение нарушается, когда наблюдения зависят от соседних наблюдений. Прогнозирование будущих числовых значений является распространенным применением анализа временных рядов, например цен на..

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..

Библиотека пророков Facebook: самый полезный инструмент для прогнозирования временных рядов

Прогнозирование временных рядов является важным инструментом для предприятий и организаций, позволяющим предсказывать будущие тенденции и закономерности в своих данных. Одной из самых популярных моделей прогнозирования временных рядов является Prophet, библиотека, разработанная Facebook и предназначенная для бизнес- и финансового прогнозирования. В этом сообщении блога мы более подробно рассмотрим Prophet, его преимущества и два тематических исследования, в которых он использовался для..