Статьи по теме time-series-analysis

Публикации по теме 'time-series-analysis'

Обнаружение сезонности с помощью быстрого преобразования Фурье (БПФ) и Python

"Машинное обучение" Обнаружение сезонности с помощью быстрого преобразования Фурье (БПФ) и Python Быстрое определение сезонности с помощью БПФ в Python Прогнозирование Прогнозирование - это один из процессов прогнозирования будущего на основе прошлых и настоящих данных. Большая часть проблем прогнозирования связана с данными временных рядов (то есть, какова продажа продукта A в следующем месяце). Некоторые проблемы легче предсказать, чем другие. Предсказуемость события или..

Машинное обучение, эконометрика и временные ряды

Введение Машинное обучение и причинно-следственные эконометрические подходы активно используются для получения информации из маркетинговых, финансовых и экономических данных. Оба эти подхода сталкиваются с тонкими проблемами при работе с данными временных рядов, такими как цены, продажи, ВВП, индекс S&P и т. д. Однако эконометрические методы могут лучше справляться с обеспечением надежных оценок для таких данных за счет использования лучшей параметрической диагностики. Машинное обучение..

Как мы добились прогнозирования случаев COVID-19 с точностью 99%.

Это вторая статья в нашей серии о прогнозировании случаев COVID-19 с использованием временных рядов и моделей машинного обучения. Первая статья по ссылке здесь . Цель состоит в том, чтобы найти модель для прогнозирования общего числа случаев COVID на следующие 30 дней. Мы сделаем это для Соединенных Штатов и сравним возможности прогнозирования между моделями ETS и ARIMA с использованием Alteryx . Мы достигли точности прогноза 99 % с помощью модели ARIMA, что намного выше, чем предыдущая..

Flow-Forecast: библиотека прогнозирования временных рядов, встроенная в PyTorch.

Точное многомерное прогнозирование и классификация временных рядов остается основной проблемой для многих предприятий и некоммерческих организаций. Flow Forecast - это недавно созданная среда с открытым исходным кодом , цель которой - упростить использование современных моделей машинного обучения для прогнозирования и / или классификации сложных временных данных. Кроме того, прогноз потока изначально интегрируется с Google Cloud Platform, Weights and Biases, Colaboratory и другими..

Распознавание образов временных рядов с помощью данных датчика качества воздуха

Реальный проект, ориентированный на клиента, с реальными данными датчиков · 1. Введение · 2. Исследовательский анализ данных ∘ 2.1 Изменения паттернов ∘ 2.2 Корреляция между признаками · 3. Обнаружение аномалий и распознавание образов ∘ 3.1 Обнаружение точечных аномалий (сбой системы) ∘ 3.2 Обнаружение коллективных аномалий (внешнее событие) ∘ 3.3 Кластеризация и распознавание образов (внешнее событие) ) · 4. Заключение · Список литературы ·..

Уловки при обработке данных временных рядов

Данные временных рядов - одна из наиболее естественных форм данных. От использования Интернета до смарт-браслетов, от данных о погоде до фондового рынка - все подпадает под действие временных рядов. В этом блоге мы не будем говорить о LSTM и других методах на основе DL для прогнозирования или классификации. В этом блоге рассказывается, как мы обрабатываем данные временных рядов с использованием различных методологий. СИМВОЛИЧЕСКАЯ ПОСЛЕДОВАТЕЛЬНОСТЬ Учитывая временной ряд S = (s_1,..

Как избежать утечки данных в таймсериях 101

Вы уже сделали свой выбор. Вы здесь, чтобы понять, почему вы это сделали. - Оракул, Матрица Таймсерии - одна из очень немногих дисциплин данных, где моделировать становится все труднее почти каждый день. Например, обилие данных - отличная новость для многих других доменов. Мы можем обучить лучшую модель и ожидать лучшего результата. Но в контексте таймсерий обилие данных часто принимает другую форму. Обычно это означает, что интервал поступления данных становится короче...