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/cs/7-TimeSeries
History
localizeflow[bot] b08221c6ab
[sw,hu,cs] 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 [sw,hu,cs] chore(i18n): sync translations 3 weeks ago

README.md
Escape

Úvod do předpovídání časových řad

Co je předpovídání časových řad? Jde o predikci budoucích událostí analýzou trendů z minulosti.

Regionální téma: celosvětová spotřeba elektřiny ✨

V těchto dvou lekcích se seznámíte s předpovídáním časových řad, poněkud méně známou oblastí strojového učení, která je však nesmírně cenná pro průmyslové a obchodní aplikace i další oblasti. I když lze použít neuronové sítě ke zvýšení užitečnosti těchto modelů, budeme se jim věnovat v kontextu klasického strojového učení, protože modely pomáhají předpovídat budoucí výkon na základě minulosti.

Naším regionálním zaměřením je spotřeba elektřiny ve světě, zajímavý datový soubor pro učení o předpovídání budoucí spotřeby energie na základě vzorců minulých odběrů. Můžete vidět, jak může být takové předpovídání nesmírně užitečné v obchodním prostředí.

electric grid

Fotografie od Peddi Sai hrithik elektrických věží na silnici v Radžastánu na Unsplash

Lekce

  1. Úvod do předpovídání časových řad
  2. Tvorba modelů ARIMA časových řad
  3. Tvorba Support Vector Regressor pro předpovídání časových řad

Autoři

"Úvod do předpovídání časových řad" napsaly ⚡️ Francesca Lazzeri a Jen Looper. Poznámkové bloky se poprvé objevily online v Azure "Deep Learning For Time Series" repozitáři, původně napsané Francescou Lazzeri. Lekci o SVR napsal Anirban Mukherjee

Prohlášení o omezení odpovědnosti: Tento dokument byl přeložen pomocí AI překladatelské služby Co-op Translator. Přestože usilujeme o co největší přesnost, mějte prosím na paměti, že automatizované překlady mohou obsahovat chyby nebo nepřesnosti. Originální dokument v jeho mateřském jazyce by měl být považován za autoritativní zdroj. Pro kritické informace se doporučuje profesionální lidský překlad. Nejsme odpovědní za jakékoli nedorozumění nebo nesprávné interpretace vzniklé použitím tohoto překladu.