Публикации по теме 'forecasting'


Datathon Energy Forecasting Challenge от Team Crest
Сценарий: Клаудия Аманда, Келвин Сутеджа, Винсент Рибли Энергия ветра зависит от факторов окружающей среды, таких как скорость и направление ветра. Чрезмерная зависимость энергии ветра от внешних обстоятельств вызывает возражения против принятия энергии ветра в качестве основного источника энергии. Наше общество зависит от стабильных, предсказуемых источников энергии, что выражается в ископаемом топливе, ядерной энергии и других невозобновляемых источниках энергии. Мы пытаемся..
Прогнозирование риска оттока с помощью машинного обучения, часть 2 — Борьба с оттоком с помощью данных
Из книги Борьба с оттоком данных Карла Голда В этой статье обсуждается использование алгоритмов машинного обучения для прогнозирования рисков оттока. Продолжение части 1 , в которой представлена ​​модель машинного обучения XGBoost и то, как ее можно использовать для прогнозирования оттока. Этот пост демонстрирует код и некоторые результаты для реальных данных. Весь код из Fighting Churn With Data можно найти по адресу https://github.com/carl24k/fight-churn . Ниже в главе 9,..
Прогнозирование временных рядов: прогнозирование цен на акции с использованием модели LSTM
В этом посте я покажу вам, как прогнозировать цены на акции, используя модель прогнозирования LSTM. 1. Введение 1.1. Временные ряды и модели прогнозирования Традиционно большинство моделей машинного обучения (ML) используют в качестве входных данных некоторые наблюдения (образцы / примеры), но в данных отсутствует измерение времени . Модели прогнозирования временных рядов - это модели, которые способны предсказывать будущие значения на основе ранее наблюдаемых..
Что такое временной ряд и почему он особенный?
Наше определение временных рядов: последовательно раскрываемые, с отметками времени и критичные ко времени данные. Примеры включают цены на акции, сканирование логистики, журналы машин, розничные продажи, посещения веб-сайтов… Противоположные примеры включают изображения, речь, потребительские предпочтения, социальные графики… Почему алгоритмы машинного обучения, применяемые к временным рядам, работают хуже при использовании стандартных процедур обучения, проверки и..
GDPLive стал намного точнее
Последние данные по ВВП, опубликованные две недели назад из StatsNZ, имеют некоторые интересные последствия для прогнозов GDPLive, которые оказались удивительно точными с точки зрения национальных и отраслевых прогнозов в последнем квартале 2018 года. GDPLive был запущен в декабре 2018 года в качестве прогнозирующего средства машинного обучения в реальном времени для ВВП Новой Зеландии. Модель включает данные ряда ключевых новозеландских организаций, а также общедоступные данные..
Почему имеет значение стационарность в анализе временных рядов?
Почему имеет значение стационарность в анализе временных рядов? Изучите основное правило анализа временных рядов Стационарность - важная концепция в области анализа временных рядов, оказывающая огромное влияние на то, как данные воспринимаются и прогнозируются. При прогнозировании или прогнозировании будущего большинство моделей временных рядов предполагают, что каждая точка не зависит друг от друга. Лучшее свидетельство этого - когда набор данных прошлых экземпляров является..
САРИМА против Пророка - Прогнозирование временных рядов
После написания статьи о Prophet и SARIMA я подумал, что было бы интересно сравнить прогнозы, построив обе модели на одном и том же наборе данных. В этом посте я попытаюсь спрогнозировать индекс промышленного производства США - экономический индикатор, который измеряет реальный объем производства для всех производственных, горнодобывающих, электроэнергетических и газовых предприятий США. Выходные данные двух моделей будут сравниваться с использованием значения R-квадрата (силы корреляции) и..