msb-public
/
ML-For-Beginners
mirror of https://github.com/microsoft/ML-For-Beginners.git
1
0
Code Issues Projects Releases Wiki Activity
You can not select more than 25 topics Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
Branches Tags
${ item.name }
Create tag ${ searchTerm }
Create branch ${ searchTerm }
from 'amynic-patch-1'
${ noResults }
ML-For-Beginners/translations/ms/7-TimeSeries
History
Pikachú 9e189e28e2
updated translations for ko, es, it, ja, sw, hi, tr and zh using co-op translator 		8 months ago
..
1-Introduction updated translations for ko, es, it, ja, sw, hi, tr and zh using co-op translator 8 months ago
2-ARIMA updated translations for ko, es, it, ja, sw, hi, tr and zh using co-op translator 8 months ago
3-SVR updated translations for ko, es, it, ja, sw, hi, tr and zh using co-op translator 8 months ago
README.md updated translations for ko, es, it, ja, sw, hi, tr and zh using co-op translator 8 months ago

README.md
Escape

Pengenalan kepada Ramalan Siri Masa

Apa itu ramalan siri masa? Ia mengenai meramalkan peristiwa masa depan dengan menganalisis trend masa lalu.

Topik serantau: penggunaan elektrik di seluruh dunia ✨

Dalam dua pelajaran ini, anda akan diperkenalkan kepada ramalan siri masa, satu bidang pembelajaran mesin yang kurang dikenali tetapi sangat berharga untuk aplikasi industri dan perniagaan, antara bidang lain. Walaupun rangkaian neural boleh digunakan untuk meningkatkan kegunaan model-model ini, kita akan mengkajinya dalam konteks pembelajaran mesin klasik kerana model membantu meramalkan prestasi masa depan berdasarkan masa lalu.

Fokus serantau kita adalah penggunaan elektrik di dunia, satu set data yang menarik untuk mempelajari tentang ramalan penggunaan kuasa masa depan berdasarkan corak beban masa lalu. Anda boleh melihat bagaimana jenis ramalan ini sangat berguna dalam persekitaran perniagaan.

grid elektrik

Foto oleh Peddi Sai hrithik menara elektrik di jalan raya di Rajasthan di Unsplash

Pelajaran

  1. Pengenalan kepada ramalan siri masa
  2. Membina model siri masa ARIMA
  3. Membina Support Vector Regressor untuk ramalan siri masa

Kredit

"Pengenalan kepada ramalan siri masa" ditulis dengan ⚡️ oleh Francesca Lazzeri dan Jen Looper. Notebook pertama kali muncul dalam talian di Azure "Deep Learning For Time Series" repo yang asalnya ditulis oleh Francesca Lazzeri. Pelajaran SVR ditulis oleh Anirban Mukherjee

Penafian: Dokumen ini telah diterjemahkan menggunakan perkhidmatan terjemahan AI berasaskan mesin. Walaupun kami berusaha untuk ketepatan, sila ambil perhatian bahawa terjemahan automatik mungkin mengandungi kesilapan atau ketidaktepatan. Dokumen asal dalam bahasa asalnya harus dianggap sebagai sumber yang berwibawa. Untuk maklumat penting, terjemahan manusia profesional adalah disyorkan. Kami tidak bertanggungjawab atas sebarang salah faham atau salah tafsir yang timbul daripada penggunaan terjemahan ini.