2.9 KiB
Introduction à la prévision des séries temporelles
Qu'est-ce que la prévision des séries temporelles ? Il s'agit de prédire des événements futurs en analysant les tendances du passé.
Sujet régional : utilisation mondiale de l'électricité ✨
Dans ces deux leçons, vous serez introduit à la prévision des séries temporelles, un domaine de l'apprentissage automatique relativement moins connu, mais qui est néanmoins extrêmement précieux pour les applications industrielles et commerciales, entre autres. Bien que les réseaux neuronaux puissent être utilisés pour améliorer l'utilité de ces modèles, nous les étudierons dans le contexte de l'apprentissage automatique classique, car les modèles aident à prédire la performance future en se basant sur le passé.
Notre focus régional est l'utilisation électrique dans le monde, un ensemble de données intéressant pour apprendre à prévoir la consommation future d'énergie en fonction des schémas de charge passés. Vous pouvez voir comment ce type de prévision peut être extrêmement utile dans un environnement commercial.
Photo de Peddi Sai hrithik de tours électriques sur une route au Rajasthan sur Unsplash
Leçons
- Introduction à la prévision des séries temporelles
- Construction de modèles de séries temporelles ARIMA
- Construction d'un régressseur à vecteurs de support pour la prévision des séries temporelles
Crédits
"Introduction à la prévision des séries temporelles" a été écrit avec ⚡️ par Francesca Lazzeri et Jen Looper. Les notebooks sont apparus en ligne pour la première fois dans le repo Azure "Deep Learning For Time Series" initialement écrit par Francesca Lazzeri. La leçon SVR a été écrite par Anirban Mukherjee
Avertissement :
Ce document a été traduit à l'aide de services de traduction automatique basés sur l'IA. Bien que nous nous efforçons d'assurer l'exactitude, veuillez noter que les traductions automatisées peuvent contenir des erreurs ou des inexactitudes. Le document original dans sa langue native doit être considéré comme la source autorisée. Pour des informations critiques, une traduction humaine professionnelle est recommandée. Nous ne sommes pas responsables des malentendus ou des erreurs d'interprétation résultant de l'utilisation de cette traduction.