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

บทนำสู่การพยากรณ์ลำดับเวลา

การพยากรณ์ลำดับเวลาคืออะไร? คือการทำนายเหตุการณ์ในอนาคตโดยการวิเคราะห์แนวโน้มจากอดีต

หัวข้อภูมิภาค: การใช้ไฟฟ้าทั่วโลก ✨

ในสองบทเรียนนี้ คุณจะได้แนะนำเกี่ยวกับการพยากรณ์ลำดับเวลา ซึ่งเป็นสาขาที่ค่อนข้างไม่ค่อยเป็นที่รู้จักนักในด้านการเรียนรู้ของเครื่อง แต่มีคุณค่าอย่างมากสำหรับอุตสาหกรรมและการใช้งานในธุรกิจ รวมถึงสาขาอื่น ๆ ในขณะที่เครือข่ายประสาทเทียมสามารถใช้เพื่อเสริมประสิทธิภาพของโมเดลเหล่านี้ เราจะศึกษาพวกมันในบริบทของการเรียนรู้ของเครื่องแบบคลาสสิกเนื่องจากโมเดลเหล่านี้ช่วยในการทำนายผลการดำเนินงานในอนาคตจากอดีต

โฟกัสในภูมิภาคของเราคือการใช้ไฟฟ้าทั่วโลก ชุดข้อมูลที่น่าสนใจในการเรียนรู้เกี่ยวกับการพยากรณ์การใช้พลังงานไฟฟ้าในอนาคตโดยพิจารณาจากรูปแบบการใช้โหลดในอดีต คุณจะเห็นว่าการพยากรณ์ประเภทนี้สามารถช่วยได้อย่างมากในสภาพแวดล้อมธุรกิจ

ภาพโดย Peddi Sai hrithik ของเสาไฟฟ้าบนถนนในรัฐราชสถาน บน Unsplash

บทเรียน

1. บทนำสู่การพยากรณ์ลำดับเวลา
2. การสร้างโมเดลลำดับเวลา ARIMA
3. การสร้างโมเดล Support Vector Regressor สำหรับการพยากรณ์ลำดับเวลา

เครดิต

"บทนำสู่การพยากรณ์ลำดับเวลา" เขียนอย่างรวดเร็วโดย ⚡️ Francesca Lazzeri และ Jen Looper โน้ตบุ๊คเหล่านี้เผยแพร่ออนไลน์ครั้งแรกใน Azure "Deep Learning For Time Series" repo ซึ่งเขียนโดย Francesca Lazzeri ตอนบทเรียน SVR เขียนโดย Anirban Mukherjee

---

ปฏิเสธความรับผิดชอบ: เอกสารนี้ได้รับการแปลโดยใช้บริการแปลภาษา AI Co-op Translator ขณะที่เราพยายามให้ความถูกต้อง โปรดทราบว่าการแปลโดยอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่ถูกต้อง เอกสารต้นฉบับในภาษาต้นทางควรถูกพิจารณาเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่สำคัญ แนะนำให้ใช้การแปลโดยมนุษย์มืออาชีพ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความที่ผิดพลาดที่เกิดขึ้นจากการใช้การแปลนี้