Публикации по теме 'forecasting'


Анализ временных рядов 102
Глубокое погружение в прогнозирование В Части 1 было кратко представлено прогнозирование как полезный метод для установления будущих базовых показателей для данных временных рядов. Хотя чтение простых прогнозов кажется очевидным, существует ряд практических нюансов, которые необходимо понимать для правильного использования этих прогнозов. В этом посте будут рассмотрены некоторые из наиболее важных моментов в процессе прогнозирования. Следуя прецеденту, установленному в предыдущем..
Сравнение библиотеки прогнозирования временных рядов с созданием модели с нуля
Автор: Шрути Джадон, Аджит Патанкар, Аман Гаурав, Дивьянк Гарг, Мэн Сун Введение: В этом блоге мы привели пример с нуля, чтобы показать простой вариант использования библиотеки. Этот вариант использования проходит через каждый шаг от предварительной обработки данных до обучения модели, оценки модели и, наконец, прогнозирования модели. Преимущество использования внутренней библиотеки заключается в том, что ее можно использовать для различных вариантов использования внутри компании, и..
Прогнозирование временных рядов: прогнозирование цен на акции с использованием модели ARIMA
В этом посте я покажу вам, как прогнозировать курс акций TESLA с помощью прогнозирующей модели ARIMA. 1. Введение 1.1. Временные ряды и модели прогнозирования Модели прогнозирования временных рядов - это модели, которые способны прогнозировать будущие значения на основе ранее наблюдавшихся значения . Прогнозирование временных рядов широко используется для нестационарных данных . Нестационарные данные называются данными, статистические свойства которых, например..
Ренье Медрано и Александр Маценов:
Ренье Медрано и Александр Маценов : Я пробовал это сам и все равно получил 370MB , что все еще превышает предел 250MB . КРАТКИЙ ОТВЕТ: Чтобы уменьшить размер файла find "$VIRTUAL_ENV/lib/python3.6/site-packages/" -name "*.so" | xargs strip и проверьте, работает ли ваш код. Мне удалось сжать все примерно до ~ 133MB (uncompressed) и ~ 38MB (compressed) , что должно соответствовать ограничениям AWS Lambda. ДЛИННЫЙ ОТВЕТ: Чтобы проверить размеры файлов и..
Полное введение в анализ временных рядов (с R): Стационарные процессыIV
В последней статье мы исследовали знаменитый процесс AR(1) и увидели, что это стационарный процесс со средним нулем, с функцией АКФ, которая представляет собой экспоненциальный рост (или спад, в зависимости от значений phi). На этот раз мы рассмотрим процесс скользящей средней MA(1) . Нечего сказать, давайте приступим к делу. Скользящая средняя MA(1) Что это говорит? Это говорит о том, что наши наблюдения зависят от шума в настоящем времени и процента прошлого шума..
Прогнозирование временных рядов: выбор алгоритма для моделирования
Введение Все мы знаем, что прогнозирование данных временных рядов является трудной и сложной задачей из-за неопределенности, связанной со временем, и неполной информации о событии, и всякий раз, когда у нас возникает какая-либо проблема, связанная с прогнозированием данных временных рядов, мы начинаем с традиционных методов, которые эффективно прогнозируют следующий временной лаг. серийные данные, такие как одномерная авторегрессия (AR), одномерная скользящая средняя (MA), простое..
Прогнозирование продаж Walmart с использованием моделей машинного обучения
Цель этого тематического исследования - показать, как простое машинное обучение может сделать процесс прогнозирования продаж. Многие модели являются достаточно мощными и гибкими, чтобы их можно было внедрить в любой отрасли, но в этом исследовании мы собираемся прогнозировать продажи для розничной компании. Walmart, если быть точным. В рамках недавнего набора сотрудников Walmart поделился анонимными еженедельными данными о продажах 45 своих магазинов и попросил кандидатов спрогнозировать..