3.0 KiB
Introduzione alla previsione delle serie temporali
Cos'è la previsione delle serie temporali? Si tratta di prevedere eventi futuri analizzando le tendenze del passato.
Argomento regionale: utilizzo mondiale dell'elettricità ✨
In queste due lezioni, verrà introdotta la previsione delle serie temporali, un'area del machine learning meno conosciuta ma estremamente preziosa per applicazioni industriali e aziendali, tra altri campi. Sebbene le reti neurali possano essere utilizzate per migliorare l'utilità di questi modelli, li studieremo nel contesto del machine learning classico, poiché i modelli aiutano a prevedere le prestazioni future basandosi sul passato.
Il nostro focus regionale è l'utilizzo dell'elettricità nel mondo, un dataset interessante per imparare a prevedere il consumo energetico futuro basandosi sui modelli di carico passati. Puoi vedere come questo tipo di previsione possa essere estremamente utile in un contesto aziendale.
Foto di Peddi Sai hrithik di torri elettriche su una strada in Rajasthan su Unsplash
Lezioni
- Introduzione alla previsione delle serie temporali
- Costruzione di modelli ARIMA per serie temporali
- Costruzione di Support Vector Regressor per la previsione delle serie temporali
Crediti
"Introduzione alla previsione delle serie temporali" è stato scritto con ⚡️ da Francesca Lazzeri e Jen Looper. I notebook sono apparsi per la prima volta online nel repo Azure "Deep Learning For Time Series" originariamente scritto da Francesca Lazzeri. La lezione sul SVR è stata scritta da Anirban Mukherjee.
Disclaimer:
Questo documento è stato tradotto utilizzando il servizio di traduzione automatica Co-op Translator. Sebbene ci impegniamo per garantire l'accuratezza, si prega di notare che le traduzioni automatiche possono contenere errori o imprecisioni. Il documento originale nella sua lingua nativa dovrebbe essere considerato la fonte autorevole. Per informazioni critiche, si consiglia una traduzione professionale eseguita da un traduttore umano. Non siamo responsabili per eventuali fraintendimenti o interpretazioni errate derivanti dall'uso di questa traduzione.