4.2 KiB
Введение в прогнозирование временных рядов
Что такое прогнозирование временных рядов? Это предсказание будущих событий на основе анализа тенденций прошлого.
Региональная тема: мировое потребление электроэнергии ✨
В этих двух уроках вы познакомитесь с прогнозированием временных рядов, несколько менее известной областью машинного обучения, которая тем не менее является крайне ценной для промышленности и бизнес-приложений, а также других областей. Хотя нейронные сети могут быть использованы для повышения полезности этих моделей, мы будем изучать их в контексте классического машинного обучения, так как модели помогают предсказывать будущее на основе прошлого.
Наш региональный фокус — это потребление электроэнергии в мире, интересный набор данных для изучения прогнозирования будущего потребления электроэнергии на основе паттернов прошлых нагрузок. Вы увидите, как такого рода прогнозирование может быть чрезвычайно полезным в бизнес-среде.
Фото Peddi Sai hrithik электрических башен на дороге в Раджастане на Unsplash
Уроки
- Введение в прогнозирование временных рядов
- Создание моделей временных рядов ARIMA
- Создание регрессора опорных векторов для прогнозирования временных рядов
Авторы
"Введение в прогнозирование временных рядов" было написано ⚡️ Франческой Лаззери и Джен Лупер. Блокноты впервые появились в сети в репозитории Azure "Глубокое обучение для временных рядов", первоначально написанном Франческой Лаззери. Урок SVR был написан Анирбаном Мукерджи
Отказ от ответственности:
Этот документ был переведен с использованием машинных AI-сервисов перевода. Хотя мы стремимся к точности, пожалуйста, имейте в виду, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для критически важной информации рекомендуется профессиональный человеческий перевод. Мы не несем ответственности за любые недоразумения или неправильные толкования, возникающие в результате использования этого перевода.