ML-For-Beginners/translations/vi/7-TimeSeries

Giới thiệu về dự đoán chuỗi thời gian

Dự đoán chuỗi thời gian là gì? Đó là việc dự đoán các sự kiện trong tương lai bằng cách phân tích xu hướng trong quá khứ.

Chủ đề khu vực: sử dụng điện trên toàn thế giới ✨

Trong hai bài học này, bạn sẽ được giới thiệu về dự đoán chuỗi thời gian, một lĩnh vực ít được biết đến hơn trong học máy nhưng lại vô cùng giá trị đối với các ứng dụng trong ngành công nghiệp và kinh doanh, cũng như các lĩnh vực khác. Mặc dù mạng nơ-ron có thể được sử dụng để tăng cường hiệu quả của các mô hình này, chúng ta sẽ nghiên cứu chúng trong bối cảnh học máy cổ điển, nơi các mô hình giúp dự đoán hiệu suất tương lai dựa trên dữ liệu quá khứ.

Trọng tâm khu vực của chúng ta là việc sử dụng điện trên toàn thế giới, một tập dữ liệu thú vị để học cách dự đoán nhu cầu điện trong tương lai dựa trên các mẫu tải trong quá khứ. Bạn có thể thấy rằng loại dự đoán này rất hữu ích trong môi trường kinh doanh.

Ảnh của Peddi Sai hrithik về các cột điện trên một con đường ở Rajasthan trên Unsplash

Các bài học

1. Giới thiệu về dự đoán chuỗi thời gian
2. Xây dựng mô hình chuỗi thời gian ARIMA
3. Xây dựng Support Vector Regressor cho dự đoán chuỗi thời gian

Tín dụng

"Giới thiệu về dự đoán chuỗi thời gian" được viết với ⚡️ bởi Francesca Lazzeri và Jen Looper. Các notebook lần đầu tiên xuất hiện trực tuyến trong repo "Deep Learning For Time Series" của Azure ban đầu được viết bởi Francesca Lazzeri. Bài học về SVR được viết bởi Anirban Mukherjee.

---

Tuyên bố miễn trừ trách nhiệm:
Tài liệu này đã được dịch bằng dịch vụ dịch thuật AI Co-op Translator. Mặc dù chúng tôi cố gắng đảm bảo độ chính xác, xin lưu ý rằng các bản dịch tự động có thể chứa lỗi hoặc không chính xác. Tài liệu gốc bằng ngôn ngữ bản địa nên được coi là nguồn thông tin chính thức. Đối với các thông tin quan trọng, nên sử dụng dịch vụ dịch thuật chuyên nghiệp từ con người. Chúng tôi không chịu trách nhiệm cho bất kỳ sự hiểu lầm hoặc diễn giải sai nào phát sinh từ việc sử dụng bản dịch này.