Публикации по теме 'time-series-analysis'


6 методов прогнозирования временных рядов
Введение Прогнозирование временных рядов — это метод предсказания событий через временную последовательность. Он предсказывает будущие события, анализируя тенденции данных в прошлом, исходя из предположения, что будущие тенденции будут аналогичны историческим тенденциям. Многие проблемы прогнозирования включают временной компонент и, следовательно, требуют экстраполяции данных временных рядов или прогнозирования временных рядов. Он широко используется во многих областях, таких как..
Почему информационный критерий Акаике (AIC) является лучшим инструментом, чем ACF и PACF, для выявления отставаний в…
Информационный критерий Акаике (AIC) — это статистический инструмент, используемый для сравнения качества соответствия различных моделей временных рядов с различным количеством лагов. Это мера относительного качества статистической модели с точки зрения ее способности соответствовать данным, избегая переобучения. AIC уравновешивает компромисс между сложностью модели (т. Е. Количеством параметров) и точностью соответствия (т. Е. Способностью объяснить данные). По сравнению с функцией..
Понимание моделей скользящих средних
Интуитивное руководство В этой статье объясняются модели скользящих средних (MA[q] в ARIMA[p, q]) с использованием простых иллюстративных примеров с четкими пояснениями, которые помогут вам сформировать интуитивное представление о них. Представьте, что сегодня вы получили 100 акций компании. Обозначим этот год через Y1, а награду через A(1). Также предположим, что, начиная со следующего года, 25% акций, присужденных ежегодно, будут переходить в течение четырех лет. Вот посмотрите на..
Прогнозирование цены акций Tesla с помощью машинного обучения с использованием Graphite Note
На данный момент, я полагаю, что все читатели этой статьи знают, кто такой Тесла — человек , изобретатель — и кто Тесла — компания . Здесь мы сосредоточимся на компании. Точнее, на прогнозировании цен на акции Tesla (TSLA) с использованием Graphite Note и его модели машинного обучения без кода временных рядов. Миссия Tesla — ускорить переход мира к устойчивой энергетике. Она была основана в 2003 году группой инженеров. Они хотели доказать, что людям не нужно идти на компромиссы,..
Ускоренный курс по прогнозированию рабочих примеров
Шивани Шекхават, Ник Браун Абстрактный: Анализ временных рядов является важным инструментом для понимания закономерностей и тенденций в данных, собранных с течением времени, с приложениями в различных областях. В этой статье представлены три основных этапа анализа временных рядов: визуализация данных, обнаружение и вменение пропущенных значений, а также разделение данных на наборы для обучения и тестирования. Визуализация помогает выявить закономерности, в то время как отсутствующие..
Выбор лучшей модели временных рядов машинного обучения для ваших данных
С новыми разработками каждый год становится все сложнее выбрать подходящую модель. ARIMA, Prophet, LSTM, CNN, GPVAR, сезонная декомпозиция, DeepAR и многое другое. Когда дело доходит до моделей временных рядов, существует множество методов, а это означает, что важно рассмотреть ваши варианты, прежде чем переходить к модели. Есть два ключевых решения, которые необходимо принять в отношении начала оттачивания модели: будет ли она локальной или глобальной, и должны ли прогнозы быть..
Прогнозирование с помощью деревьев решений и случайных лесов
Случайные леса являются гибкими и мощными, когда речь идет о табличных данных. Они также работают для прогнозирования временных рядов? Давай выясним. Введение Сегодня глубокое обучение доминирует во многих областях современного машинного обучения. С другой стороны, модели на основе дерева решений по-прежнему особенно хороши для табличных данных . Если вы посмотрите лучшие решения соответствующих задач Kaggle , велика вероятность, что среди них есть модель дерева. Ключевым..