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

Introduktion till tidsserieprognoser

Vad är tidsserieprognoser? Det handlar om att förutsäga framtida händelser genom att analysera trender från det förflutna.

Regionalt ämne: global elförbrukning ✨

I dessa två lektioner kommer du att introduceras för tidsserieprognoser, ett något mindre känt område inom maskininlärning som ändå är extremt värdefullt för industri- och affärsapplikationer, bland andra områden. Medan neurala nätverk kan användas för att förbättra nyttan av dessa modeller, kommer vi att studera dem i kontexten av klassisk maskininlärning där modeller hjälper till att förutsäga framtida prestation baserat på det förflutna.

Vårt regionala fokus är elförbrukning i världen, en intressant datamängd för att lära sig om att prognostisera framtida elförbrukning baserat på mönster av tidigare belastning. Du kan se hur denna typ av prognoser kan vara extremt hjälpsam i en affärsmiljö.

Foto av Peddi Sai hrithik av elektriska stolpar på en väg i Rajasthan på Unsplash

Lektioner

1. Introduktion till tidsserieprognoser
2. Bygga ARIMA-tidsseriemodeller
3. Bygga Support Vector Regressor för tidsserieprognoser

Tack

"Introduktion till tidsserieprognoser" skrevs med ⚡️ av Francesca Lazzeri och Jen Looper. Anteckningsböckerna publicerades först online i Azure "Deep Learning For Time Series"-repo som ursprungligen skrevs av Francesca Lazzeri. SVR-lektionen skrevs av Anirban Mukherjee

---

Ansvarsfriskrivning: Detta dokument har översatts med hjälp av AI-översättningstjänsten Co-op Translator. Även om vi strävar efter noggrannhet, var vänlig notera att automatiska översättningar kan innehålla fel eller brister. Det ursprungliga dokumentet på dess modersmål bör betraktas som den auktoritativa källan. För kritisk information rekommenderas professionell mänsklig översättning. Vi ansvarar inte för några missförstånd eller feltolkningar som uppstår till följd av användningen av denna översättning.