|
3 weeks ago | |
---|---|---|
.. | ||
1-Introduction | 3 weeks ago | |
2-ARIMA | 3 weeks ago | |
3-SVR | 3 weeks ago | |
README.md | 3 weeks ago |
README.md
Вступ до прогнозування часових рядів
Що таке прогнозування часових рядів? Це процес передбачення майбутніх подій шляхом аналізу тенденцій минулого.
Регіональна тема: світове споживання електроенергії ✨
У цих двох уроках ви познайомитеся з прогнозуванням часових рядів — менш відомою, але надзвичайно корисною галуззю машинного навчання, яка має велике значення для промислових і бізнесових застосувань, а також інших сфер. Хоча нейронні мережі можуть бути використані для підвищення ефективності цих моделей, ми вивчатимемо їх у контексті класичного машинного навчання, оскільки моделі допомагають прогнозувати майбутню продуктивність на основі минулого.
Наш регіональний фокус — споживання електроенергії у світі, цікавий набір даних для вивчення прогнозування майбутнього використання електроенергії на основі моделей минулого навантаження. Ви можете побачити, наскільки корисним може бути таке прогнозування в бізнес-середовищі.
Фото Peddi Sai hrithik електричних веж на дорозі в Раджастані на Unsplash
Уроки
- Вступ до прогнозування часових рядів
- Створення моделей ARIMA для часових рядів
- Створення регресора на основі опорних векторів для прогнозування часових рядів
Автори
"Вступ до прогнозування часових рядів" написано з ⚡️ Francesca Lazzeri та Jen Looper. Ноутбуки вперше з'явилися онлайн у репозиторії Azure "Deep Learning For Time Series", який спочатку був написаний Francesca Lazzeri. Урок про SVR написаний Anirban Mukherjee.
Відмова від відповідальності:
Цей документ був перекладений за допомогою сервісу автоматичного перекладу Co-op Translator. Хоча ми прагнемо до точності, будь ласка, майте на увазі, що автоматичні переклади можуть містити помилки або неточності. Оригінальний документ на його рідній мові слід вважати авторитетним джерелом. Для критичної інформації рекомендується професійний людський переклад. Ми не несемо відповідальності за будь-які непорозуміння або неправильні тлумачення, що виникають внаслідок використання цього перекладу.