Я читал ветку Reddit, в которой OP обратился за помощью в прогнозировании некоторых показателей производительности в будние дни в наборе данных. Машинное обучение позволяет сделать это несколькими способами.
Это область прогнозирования временных рядов. Это можно сделать двумя основными способами. Во-первых, вы можете использовать нейронные сети, такие как LSTM. Которая берет последовательность данных и предсказывает следующее временное окно. Второй - использовать методы из мира статистики. В основном такие вещи, как ARIMA.
В этой статье мы сосредоточимся только на использовании ARIMA. Метод, используемый в мире статистики для прогнозирования.
Потому что ARIMA легче настроить и понять по сравнению с нейронной сетью. Также очень полезно, если у вас небольшой набор данных.
Одним из моих проектов было прогнозирование осадков в определенной местности. Это не сработало, как я надеялся. Но это, вероятно, будет работать лучше, если у вас будет четкая корреляция между переменными.
Человек в ветке дал хороший ресурс по ARIMA. Https://www.askpython.com/python/examples/arima-model-demonstration
Поскольку я не являюсь экспертом в области прогнозирования временных рядов, я могу дать вам несколько ресурсов, которые вы можете проверить.
Https://machinelearningmaster.com/arima-for-time-series-forecasting-with-python/
Https://www.machinelearningplus.com/time-series/arima-model-time-series-forecasting-python/
Некоторые общие задачи, которые вы хотите выполнить:
- Убедитесь, что ваши данные стационарны
- Установить pmaria
- Если ваши данные сезонные, используйте SARIMA.
После использования вышеперечисленных ресурсов вы затем прогнозируете соотношение выигрышей и проигрышей для своего набора данных или любой другой переменной, которую хотите спрогнозировать в будущем.
Если вы нашли эту статью интересной, тогда просмотрите мой список рассылки. Где я пишу еще такие вещи
