localizeflow[bot]
473353ea75
|
3 weeks ago | |
|---|---|---|
| .. | ||
| 1-Introduction | 8 months ago | |
| 2-ARIMA | 8 months ago | |
| 3-SVR | 8 months ago | |
| README.md | 3 weeks ago | |
README.md
مقدمه‌ای بر پیش‌بینی سری‌های زمانی
پیش‌بینی سری‌های زمانی چیست؟ این کار درباره پیش‌بینی رویدادهای آینده با تحلیل روندهای گذشته است.
موضوع منطقه‌ای: مصرف برق در سراسر جهان ✨
در این دو درس، با پیش‌بینی سری‌های زمانی آشنا خواهید شد، حوزه‌ای نسبتاً کمتر شناخته شده از یادگیری ماشین که با این حال برای صنعت و کاربردهای تجاری و سایر زمینه‌ها بسیار ارزشمند است. در حالی که می‌توان از شبکه‌های عصبی برای ارتقاء کاربرد مدل‌ها استفاده کرد، ما آنها را در چارچوب یادگیری ماشین کلاسیک مطالعه خواهیم کرد چون مدل‌ها به پیش‌بینی عملکرد آینده بر اساس گذشته کمک می‌کنند.
تمرکز منطقه‌ای ما مصرف برق در جهان است، مجموعه داده‌ای جالب برای یادگیری پیش‌بینی مصرف برق آینده بر اساس الگوهای بار گذشته. شما خواهید دید چگونه چنین پیش‌بینی‌هایی می‌تواند در محیط کسب‌وکار بسیار مفید باشد.
عکس از Peddi Sai hrithik از برج‌های برق در جاده‌ای در راجستان در Unsplash
درس‌ها
- مقدمه‌ای بر پیش‌بینی سری‌های زمانی
- ساخت مدل‌های سری زمانی ARIMA
- ساخت رگرسور بردار پشتیبان برای پیش‌بینی سری‌های زمانی
اعتبارها
"مقدمه‌ای بر پیش‌بینی سری‌های زمانی" با ⚡️ توسط Francesca Lazzeri و Jen Looper نوشته شده است. دفاتر یادداشت برای اولین بار به صورت آنلاین در مخزن Azure "یادگیری عمیق برای سری‌های زمانی" که در اصل توسط Francesca Lazzeri نوشته شده بود منتشر شدند. درس SVR توسط Anirban Mukherjee نوشته شده است.
سلب مسئولیت: این سند با استفاده از سرویس ترجمه هوش مصنوعی Co-op Translator ترجمه شده است. در حالی که ما در تلاش برای دقت هستیم، لطفاً توجه داشته باشید که ترجمه‌های خودکار ممکن است شامل خطاها یا نادرستی‌هایی باشند. سند اصلی به زبان مادری خود باید به عنوان منبع معتبر در نظر گرفته شود. برای اطلاعات حیاتی، ترجمه حرفه‌ای انسانی توصیه می‌شود. ما در قبال هرگونه سوء تفاهم یا برداشت نادرست ناشی از استفاده از این ترجمه مسئولیتی نداریم.