2.8 KiB
Johdatus aikasarjojen ennustamiseen
Mitä aikasarjojen ennustaminen on? Kyse on tulevien tapahtumien ennustamisesta analysoimalla menneitä trendejä.
Alueellinen aihe: maailmanlaajuinen sähkönkulutus ✨
Näissä kahdessa oppitunnissa tutustut aikasarjojen ennustamiseen, joka on hieman vähemmän tunnettu koneoppimisen alue, mutta silti erittäin arvokas teollisuuden ja liiketoiminnan sovelluksissa sekä muilla aloilla. Vaikka neuroverkkoja voidaan käyttää näiden mallien hyödyllisyyden parantamiseen, tarkastelemme niitä klassisen koneoppimisen kontekstissa, kun mallit auttavat ennustamaan tulevaa suorituskykyä menneisyyden perusteella.
Alueellinen painopisteemme on sähkönkulutus maailmassa, mielenkiintoinen tietoaineisto, jonka avulla opit ennustamaan tulevaa energiankulutusta menneiden kuormitusmallien perusteella. Voit nähdä, kuinka tällainen ennustaminen voi olla erittäin hyödyllistä liiketoimintaympäristössä.
Kuva: Peddi Sai hrithik sähköpylväistä tiellä Rajasthanissa Unsplashissa
Oppitunnit
- Johdatus aikasarjojen ennustamiseen
- ARIMA-aikasarjamallien rakentaminen
- Support Vector Regressor -mallin rakentaminen aikasarjojen ennustamiseen
Tekijät
"Johdatus aikasarjojen ennustamiseen" on kirjoitettu ⚡️ Francesca Lazzerin ja Jen Looperin toimesta. Muistiinpanot julkaistiin ensimmäisen kerran verkossa Azure "Deep Learning For Time Series" -repo, jonka Francesca Lazzeri alun perin kirjoitti. SVR-oppitunnin kirjoitti Anirban Mukherjee.
Vastuuvapauslauseke:
Tämä asiakirja on käännetty käyttämällä tekoälypohjaista käännöspalvelua Co-op Translator. Vaikka pyrimme tarkkuuteen, huomioithan, että automaattiset käännökset voivat sisältää virheitä tai epätarkkuuksia. Alkuperäistä asiakirjaa sen alkuperäisellä kielellä tulisi pitää ensisijaisena lähteenä. Kriittisen tiedon osalta suositellaan ammattimaista ihmiskäännöstä. Emme ole vastuussa väärinkäsityksistä tai virhetulkinnoista, jotka johtuvat tämän käännöksen käytöstä.