2.3 KiB
Introduction à la prévision des séries chronologiques
Qu'est-ce que la prévision des séries chronologiques ? Il s'agit de prédire des événements futurs en analysant les tendances du passé.
Thème régional : consommation mondiale d'électricité ✨
Dans ces deux leçons, nous vous présenterons la prévision des séries temporelles, un domaine moins connu de l'apprentissage automatique qui est pourtant extrêmement précieux pour les applications industrielles et commerciales, entre autres. Bien que les réseaux neuronaux puissent être utilisés pour améliorer l'utilité de ces modèles, nous les étudierons dans le contexte de l'apprentissage automatique classique comme des modèles permettant de prédire les performances futures sur la base du passé.
Nous nous concentrons sur l'utilisation de l'électricité dans le monde, un ensemble de données intéressant pour apprendre à prévoir l'utilisation future de l'électricité sur la base des modèles de charge passés. Vous pouvez voir comment ce type de prévision peut être extrêmement utile dans un environnement commercial.
Photo par Peddi Sai hrithik de poteaux électriques sur une route au Rajasthan, sur Unsplash
Leçons
- Introduction à la prévision des séries chronologiques
- Construction de modèles de séries temporelles ARIMA
- Construction d'un régresseur à vecteur de support pour la prévision des séries temporelles
Crédits
"Introduction à la prévision des séries chronologiques" a été écrit avec ⚡️ par Francesca Lazzeri et Jen Looper. Les notebooks ont été publiés pour la première fois en ligne dans le Azure "Deep Learning For Time Series" repo écrit à l'origine par Francesca Lazzeri. La leçon sur les SVR a été rédigée par Anirban Mukherjee