localizeflow[bot]
8a0c3df779
|
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
टाइम सिरिज फोरकास्टिंगचे परिचय
टाइम सिरिज फोरकास्टिंग म्हणजे काय? हे भूतकाळातील ट्रेंडचे विश्लेषण करून भविष्यकालीन घटना अनुमान करण्याबद्दल आहे.
प्रादेशिक विषय: जागतिक वीज वापर ✨
या दोन धड्यांमध्ये, तुम्हाला टाइम सिरिज फोरकास्टिंगची ओळख करून दिली जाईल, जी मशीन लर्निंगमधील एक काहीशी कमी परिचित पण उद्योग आणि व्यवसायासह इतर क्षेत्रांसाठी अत्यंत मौल्यवान क्षेत्र आहे. न्यूरल नेटवर्क्सचा वापर या मॉडेल्सच्या उपयुक्ततेसाठी केला जाऊ शकतो, परंतु आपण क्लासिकल मशीन लर्निंगच्या संदर्भात हे अभ्यास करू जे भविष्यातील कामगिरी भूतकाळावर आधारित अंदाज करण्यास मदत करतात.
आमचा प्रादेशिक लक्ष जागतिक वीज वापरावर आहे, जे भूतकाळातील लोडच्या नमुन्यांवर आधारित भविष्यातील वीज वापराचे अंदाज करण्यासाठी शिकण्यासारखा एक मनोरंजक डेटा सेट आहे. तुम्हाला कसे ह्या प्रकारचा फोरकास्टिंग व्यावसायिक वातावरणात अत्यंत उपयुक्त ठरू शकतो हे दिसेल.
फोटो Peddi Sai hrithik यांनी राजस्थानमधील एका रस्त्यावरच्या विद्युत टॉवर्सचा, Unsplash वरून
धडे
- टाइम सिरिज फोरकास्टिंगचे परिचय
- ARIMA टाइम सिरिज मॉडेल्स तयार करणे
- टाइम सिरिज फोरकास्टिंगसाठी सपोर्ट व्हेक्टर रिग्रेशनर तयार करणे
क्रेडिट्स
"टाइम सिरिज फोरकास्टिंगचे परिचय" ⚡️ Francesca Lazzeri आणि Jen Looper यांनी लिहिले आहे. नोटबुक्स प्रथम Azure "Deep Learning For Time Series" रेपो मध्ये ऑनलाईन दिसले जे मूळतः Francesca Lazzeri यांनी लिहिले होते. SVR धडा Anirban Mukherjee यांनी लिहिला आहे.
अस्वीकरण: हा दस्तऐवज AI भाषांतर सेवा Co-op Translator चा वापर करून अनुवादित केला आहे. जरी आम्ही अचूकतेसाठी प्रयत्न करतो, तरी कृपया लक्षात घ्या की स्वयंचलित भाषांतरांमध्ये त्रुटी किंवा अचूकतेची कमतरता असू शकते. मूळ दस्तऐवज त्याच्या मूळ भाषेत अधिकृत स्रोत मानला पाहिजे. महत्त्वाची माहिती असल्यास, व्यावसायिक मानवी भाषांतराची शिफारस केली जाते. या भाषांतराच्या वापरामुळे उद्भवणाऱ्या कोणत्याही गैरसमज किंवा चुकीच्या अर्थलावणीसाठी आम्ही जबाबदार नाही.