4.3 KiB
Въведение в прогнозиране на времеви редове
Какво представлява прогнозиране на времеви редове? Това е процесът на предсказване на бъдещи събития чрез анализиране на тенденциите от миналото.
Регионална тема: световно потребление на електроенергия ✨
В тези два урока ще се запознаете с прогнозиране на времеви редове, област от машинното обучение, която е сравнително по-малко известна, но изключително ценна за индустриални и бизнес приложения, както и за други области. Въпреки че невронните мрежи могат да се използват за подобряване на полезността на тези модели, ние ще ги изучаваме в контекста на класическото машинно обучение, тъй като моделите помагат да се предскаже бъдещото представяне въз основа на миналото.
Нашият регионален фокус е потреблението на електроенергия в света, интересен набор от данни, който ни учи как да прогнозираме бъдещото потребление на енергия въз основа на модели от миналото. Можете да видите как този вид прогнозиране може да бъде изключително полезен в бизнес среда.
Снимка от Peddi Sai hrithik на електрически кули на път в Раджастан в Unsplash
Уроци
- Въведение в прогнозиране на времеви редове
- Създаване на ARIMA модели за времеви редове
- Създаване на Support Vector Regressor за прогнозиране на времеви редове
Автори
"Въведение в прогнозиране на времеви редове" е написано с ⚡️ от Francesca Lazzeri и Jen Looper. Тетрадките първоначално се появиха онлайн в репото на Azure "Deep Learning For Time Series", първоначално написано от Francesca Lazzeri. Урокът за SVR е написан от Anirban Mukherjee.
Отказ от отговорност:
Този документ е преведен с помощта на AI услуга за превод Co-op Translator. Въпреки че се стремим към точност, моля, имайте предвид, че автоматизираните преводи може да съдържат грешки или неточности. Оригиналният документ на неговия роден език трябва да се счита за авторитетен източник. За критична информация се препоръчва професионален човешки превод. Ние не носим отговорност за недоразумения или погрешни интерпретации, произтичащи от използването на този превод.