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 'update-translations'
${ noResults }
ML-For-Beginners/translations/bg/7-TimeSeries
History
localizeflow[bot] c60c2e5841
[sk,ro,bg] chore(i18n): sync translations 		3 weeks ago
..
1-Introduction chore(i18n): sync translations with latest source changes (chunk 1/1, 300 changes) 8 months ago
2-ARIMA chore(i18n): sync translations with latest source changes (chunk 1/1, 300 changes) 8 months ago
3-SVR chore(i18n): sync translations with latest source changes (chunk 1/1, 300 changes) 8 months ago
README.md [sk,ro,bg] chore(i18n): sync translations 3 weeks ago

README.md
Escape

Въведение в прогнозиране на времеви редици

Какво е прогнозиране на времеви редици? Това е предсказване на бъдещи събития чрез анализ на тенденциите от миналото.

Регионална тема: световна консумация на електроенергия ✨

В тези два урока ще се запознаете с прогнозиране на времеви редици, сравнително по-малко известна област на машинното обучение, която обаче е изключително ценна за индустриални и бизнес приложения, наред с други области. Въпреки че невронните мрежи могат да се използват за подобряване на полезността на тези модели, ще ги изучаваме в контекста на класическото машинно обучение, тъй като моделите помагат за предсказване на бъдещите резултати на базата на миналото.

Нашият регионален фокус е електропотреблението в света — интересен набор от данни за научаване на прогнозиране на бъдеща консумация на електроенергия, базирано на модели на минало натоварване. Можете да видите колко полезно може да бъде такова прогнозиране в бизнес среда.

electric grid

Снимка от Peddi Sai hrithik на електрически кули на път в Раджастан в Unsplash

Уроци

  1. Въведение в прогнозиране на времеви редици
  2. Създаване на ARIMA модели за времеви редици
  3. Създаване на Support Vector Regressor за прогнозиране на времеви редици

Кредити

"Въведение в прогнозиране на времеви редици" е написано с ⚡️ от Francesca Lazzeri и Jen Looper. Тетрадките първоначално се появиха онлайн в Azure "Deep Learning For Time Series" хранилище, оригинално написано от Francesca Lazzeri. Урокът за SVR е написан от Anirban Mukherjee

Отказ от отговорност: Този документ е преведен с помощта на AI преводачески услуга Co-op Translator. Въпреки че се стремим към точност, моля имайте предвид, че автоматизираните преводи могат да съдържат грешки или неточности. Оригиналният документ на неговия роден език трябва да се счита за авторитетен източник. За критична информация се препоръчва професионален човешки превод. Ние не носим отговорност за каквито и да е недоразумения или неправилни тълкувания, произтичащи от използването на този превод.