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.
24 lines
4.6 KiB
24 lines
4.6 KiB
# समय श्रृंखला पूर्वानुमान से परिचय
|
|
|
|
समय श्रृंखला पूर्वानुमान (time series forecasting) क्या है? यह अतीत के रुझानों का विश्लेषण करके भविष्य की घटनाओं की भविष्यवाणी करने के बारे में है।
|
|
|
|
## क्षेत्रीय विषय: दुनिया भर में बिजली का उपयोग ✨
|
|
|
|
इन दो पाठों में आपको समय श्रृंखला पूर्वानुमान से परिचित कराया जाएगा। यह मशीन लर्निंग (machine learning) का कुछ कम ज्ञात क्षेत्र होने के बावजूद भी अन्य क्षेत्रों के साथ-साथ उद्योग और व्यावसायिक अनुप्रयोगों के लिए अत्यंत मूल्यवान है। जबकि इन मॉडलों की उपयोगिता को बढ़ाने के लिए न्यूरल नेटवर्क (neural networks) का उपयोग किया जा सकता है, हम इनका अध्ययन शास्त्रीय मशीन लर्निंग (machine learning) के संदर्भ में करेंगे, जहाँ मॉडल अतीत के आधार पर भविष्य के प्रदर्शन की भविष्यवाणी करने में मदद करते हैं।
|
|
|
|
हमारा क्षेत्रीय केंद्र दुनिया में बिजली का उपयोग है। यह पिछले विद्युत भार के प्रतिरूप के आधार पर भविष्य के बिजली के उपयोग का पूर्वानुमान करना सीखने के लिए एक दिलचस्प डेटासेट (dataset) है। आप भांप सकते हैं कि इस प्रकार का पूर्वानुमान व्यावसायिक वातावरण में किस प्रकार अत्यंत सहायक हो सकता है।
|
|
|
|
|
|
|
|
> राजस्थान में एक सड़क पर बिजली के टावरों का <a href="https://unsplash.com/@shutter_log?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText">पेड्डी साई ऋतिक (Peddi Sai hrithik)</a> द्वारा Unsplash <a href="https://unsplash.com/s/photos/electric-india?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText">अनस्प्लैश (Unsplash)</a> पर चित्र
|
|
|
|
|
|
## पाठ
|
|
|
|
1. [समय श्रृंखला पूर्वानुमान से परिचय](../1-Introduction/README.md)
|
|
2. [अरीमा (ARIMA) समय श्रृंखला मॉडलों का निर्माण](../2-ARIMA/README.md)
|
|
3. [समय श्रृंखला पूर्वानुमान के लिए समर्थन वेक्टर प्रतिगामी (Support Vector Regressor) का निर्माण](../3-SVR/README.md)
|
|
|
|
## श्रेय
|
|
|
|
"समय श्रृंखला पूर्वानुमान से परिचय" ⚡️ के साथ [फ्रैंचेस्का लज़ैरी (Francesca Lazzeri)](https://twitter.com/frlazzeri) और [जेन लूपर (Jen Looper)](https://twitter.com/jenlooper) द्वारा लिखा गया था। नोटबुकें पहली बार [अज़ौर "डीप लर्निंग फॉर टाइम सीरीज़" रिपॉजिटरी (Azure "Deep Learning For Time Series" repository)](https://github.com/Azure/DeepLearningForTimeSeriesForecasting) में ऑनलाइन दिखाई दी, जिसे मूल रूप से फ्रैंचेस्का लज़ैरी (Francesca Lazzeri) ने लिखा था। एस. वी. आर. (SVR) पाठ [अनिर्बान मुखर्जी (Anirban Mukherjee)](https://github.com/AnirbanMukherjeeXD) द्वारा लिखा गया था। |