Публикации по теме 'time-series-forecasting'


3 уникальных пакета Python для прогнозирования временных рядов
Некоторые из пакетов временных рядов, которые вы могли бы добавить в свой арсенал Прогнозирование временных рядов — это метод в области статистики для анализа исторических данных с временным компонентом и создания прогноза на его основе. Некоторыми классическими примерами методов прогнозирования временных рядов являются скользящее среднее, ARIMA и экспоненциальное сглаживание. Эти методы использовались в течение длительного времени и до сих пор полезны из-за того, насколько легко..

Как выполнить вывод с помощью преобразователя временных рядов PyTorch
Использование преобразователя PyTorch для прогнозирования временных рядов во время вывода, когда вы не знаете ввод декодера В этом посте я покажу, как выполнить вывод с помощью преобразователя PyTorch для прогнозирования временных рядов. В частности, мы будем использовать преобразователь временных рядов PyTorch, который я описал в своем предыдущем посте Как сделать преобразователь для прогнозирования временных рядов с помощью PyTorch . Пост структурирован следующим образом:..

Глубокое обучение для временных рядов: некоторые ресурсы
Глубокое обучение для временных рядов: некоторые последние ресурсы Я так давно ничего не писал здесь, что мне казалось слишком пугающим, чтобы вернуться к чему-то техническому. Вместо этого я укажу проблему и некоторые ресурсы, которые помогут вам решить эту проблему. Проблема: существует множество методов анализа временных рядов — и одни используют глубокое обучение, а другие нет. Если вы заинтересованы в методах глубокого обучения и беспокоитесь о быстром распространении архитектур..

Наложение моделей временных рядов для повышения точности
Извлечение сигналов из моделей RNN, ARIMA и Prophet для прогнозирования с помощью Catboost Исследования мощных моделей временных рядов надежны. Доступно множество вариантов, выходящих далеко за рамки классических методов, таких как ARIMA. В последнее время рекуррентные нейронные сети и LSTM стали предметом интереса многих исследователей. Судя по количеству загрузок, перечисленных на PePy , модель Prophet, вероятно, является наиболее широко используемой моделью прогнозистами..

Прогнозирование временных рядов обменной валюты с помощью Tensor Flow
Пример исследования одноэтапной реализации модели прогноза временных рядов с использованием RNN-LSTM. В этой статье мы рассмотрим концепцию временных рядов, но добавим в нее некоторое машинное обучение. Я обещаю, что в конце этого чтения вы почувствуете больше интереса к машинному обучению и к тому, как вы можете применять прогнозирование временных рядов с любой моделью нейронной сети, и кто знает? возможно, вы станете следующим волком с Уолл-стрит, предсказывая цены на акции, ETF,..

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..

Эффективные временные ряды с использованием библиотеки Python Pmdarima
Демонстрация эффективности функции auto_arima () pmdarima по сравнению с реализацией традиционной модели ARIMA. Что такое анализ временных рядов? Одной из ключевых концепций в науке о данных является анализ временных рядов, который включает в себя процесс использования статистической модели для прогнозирования будущих значений временного ряда (например, финансовых цен, погоды, случаев заражения / смерти COVID-19) на основе прошлых результатов. Некоторые компоненты, которые можно..