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 'main'
${ noResults }
ML-For-Beginners/translations/ms/7-TimeSeries
History
leestott 98900475bd
🌐 Update translations via Co-op Translator 		2 weeks ago
..
1-Introduction 🌐 Update translations via Co-op Translator 2 weeks ago
2-ARIMA 🌐 Update translations via Co-op Translator 2 weeks ago
3-SVR 🌐 Update translations via Co-op Translator 2 weeks ago
README.md 🌐 Update translations via Co-op Translator 2 weeks ago

README.md
Escape

Pengenalan kepada ramalan siri masa

Apakah ramalan siri masa? Ia adalah tentang 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 agak kurang dikenali tetapi sangat berharga untuk aplikasi industri dan perniagaan, serta 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 data masa lalu.

Fokus serantau kita adalah penggunaan elektrik di seluruh dunia, satu set data yang menarik untuk mempelajari cara meramalkan 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 menampilkan menara elektrik di jalan raya 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 ini pertama kali muncul dalam talian di repo Azure "Deep Learning For Time Series" yang asalnya ditulis oleh Francesca Lazzeri. Pelajaran SVR ditulis oleh Anirban Mukherjee

Penafian:
Dokumen ini telah diterjemahkan menggunakan perkhidmatan terjemahan AI Co-op Translator. Walaupun kami berusaha untuk memastikan 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 yang kritikal, terjemahan manusia profesional adalah disyorkan. Kami tidak bertanggungjawab atas sebarang salah faham atau salah tafsir yang timbul daripada penggunaan terjemahan ini.