Мощное сочетание TS и глубокого обучения для прогнозирования временных рядов.
Здравствуйте, как у вас дела? Я надеюсь, что это так же здорово.
Сегодня я расскажу вам о мощном подходе, сочетающем широко используемый анализ временных рядов Facebook Prophet с глубоким обучением Neural Prophet, объединенных в ансамблевый подход.
Проще говоря, «сочетание лучшего из двух миров» в одном пакете.
Применение того же подхода требует большого количества кода, и впоследствии все становится запутанным, особенно для автоматизации.
Разработано мной, поэтому я сохранил имя пакета ансамбля как «auto_ts_ensemble».
Репозиторий пакетов: https://pypi.org/project/auto-ts-ensemble/
Давайте посмотрим, как мы можем использовать пакет!
#load the dataset
import pandas as pd
data = pd.read_csv("sample_data.csv")
Набор данных должен быть в формате «ds» и «y».
ds: отметка времени. y: – это значение, которое мы хотим спрогнозировать.
Я буду добавлять дополнительные функции и параметры, а вы можете использовать документацию для просмотра всех доступных параметров.
Вы видите, что всего в нескольких строках кода мы можем выполнить всю тяжелую работу ансамблевого подхода.
Надеюсь, вам понравилось. Не стесняйтесь использовать его и дайте мне знать, любые улучшения или дополнения приветствуются.
Далее мы попробуем разработать генетический подход auto-ml, который должен уметь мутировать, чтобы выживать или сливаться с другими.
Другими словами,генетический алгоритм — это эвристика поиска, вдохновленная теорией естественной эволюции Чарльза Дарвина. Этот алгоритм отражает процесс естественного отбора, при котором наиболее приспособленные особи отбираются для размножения, чтобы произвести потомство следующего поколения. :)
Некоторые из моих альтернативных интернет-присутствий Facebook, Instagram, Udemy, Blogger, Issuu, Slideshare, Scribd и другие.
Также доступно на Quora @ https://www.quora.com/profile/Rupak-Bob-Roy
