Публикации по теме 'time-series-forecasting'
Использование машинного обучения для прогнозирования спроса на товары в будущем!
Разве для магазина не было бы лучше заранее знать, сколько товаров им понадобится, чтобы обеспечить количество продаж в будущем ?! Да, это будет лучше всего. , конечно. Представьте себе, каждый магазин уже знает приблизительное количество каждого предмета, который они собираются продать в следующие несколько месяцев! Но как они об этом узнают? - с предсказательной силой машинного обучения .
В этом блоге рассказывается о том, как я решил реальную проблему, представленную Kaggle..
Прогнозирование временных рядов - построение и развертывание моделей, продолжение
Автоматизированное машинное обучение
Прогнозирование временных рядов - построение и развертывание моделей, продолжение
Часть 2/2: прогнозирование состояния гидравлического испытательного стенда с течением времени с использованием ARIMA и AutoML.
В этом продолжении моей предыдущей статьи я продолжаю прогнозирование временных рядов с использованием набора данных гидравлических систем репозитория UCI ML. В этой статье я использую ARIMA и Auto ML - все они оттачивают мои навыки,..
Анализ временных рядов
Сравнение моделей с использованием XGBoost, Random Forest и Prophet
Временной ряд представляет собой ряд точек данных, взятых в последовательных равноотстоящих точках времени, например, ежечасные измерения данных, ежедневные измерения данных и годовые измерения. Примерами временных рядов являются температура, измеряемая ежедневно в данный момент времени дня, или ежедневные продажи или цена акций, взятые за определенный период.
Анализ временных рядов проводится для выявления..
Среднесрочное и долгосрочное прогнозирование спроса на электроэнергию с использованием машинного обучения
В нынешних условиях очень высоких цен на энергоносители в Европе, с одной стороны, и вопросов производства электроэнергии, с другой стороны, вопрос энергоснабжения является очень чувствительной темой. В сегодняшней статье мы сосредоточимся на ключевом аспекте цепочки создания стоимости электроэнергии: прогнозировании потребления. В нашем случае нашим периметром будут все потребители Франции.
Для этого мы представим чистый подход к машинному обучению, который имеет преимущество в том,..
Прогнозирование продаж с использованием модели Stacked Ensemble для продуктов, ведущих себя по-разному
В последнее время прогнозирование продаж всегда считалось сложной задачей, особенно в беспрецедентное и нестабильное постпандемическое время. Компании ищут точный спрос и предложение своих поставок, чтобы заранее спланировать свое производственное планирование и обеспечить организованное производство и доставку своим клиентам с оптимизированной стоимостью.
В этой статье я объясню, как можно повысить точность прогнозирования на основе проекта, который я завершил с одной из крупнейших..
Три подхода к разработке признаков для временных рядов
Три подхода к разработке признаков для временных рядов
Использование фиктивных переменных, циклического кодирования и радиальных базисных функций
Представьте, что вы только что начали новый проект по науке о данных. Цель состоит в том, чтобы построить модель, предсказывающую Y, целевую переменную. Вы уже получили некоторые данные от заинтересованных сторон/инженеров данных, провели тщательную EDA и выбрали некоторые переменные, которые, по вашему мнению, имеют отношение к..
Основные свойства данных временных рядов
Наука о данных
Основные свойства данных временных рядов
Тренд, сезонность, структурный разрыв, случайность и многое другое!
Временной ряд необычный, он другой.
Что отличает временные ряды, так это их основная структура и свойства; и это делает временные ряды настолько мощными для аналитики, аналитики и моделирования.
Интересно, что эта структура и свойства не сразу становятся очевидными, просто взглянув на фрейм данных. Вместо этого, когда данные визуализируются, вы видите..
