Публикации по теме 'forecasting'
Прогнозирование будущих значений с помощью RNN, LSTM и GRU с использованием PyTorch
Прогнозирование будущих значений с помощью RNN, LSTM и GRU с использованием PyTorch
Использование алгоритмов для прогнозирования будущих значений
В моем предыдущем сообщении в блоге я помог вам приступить к созданию некоторых рекуррентных нейронных сетей (RNN), таких как vanilla RNN, LSTM и GRU, с использованием PyTorch. Если вы еще не видели его, я настоятельно рекомендую вам сначала посмотреть его, так как я буду основываться на некоторых концепциях и коде, которые я там..
Sktime: универсальный магазин для анализа временных рядов в Python
Sktime: универсальный магазин для анализа временных рядов в Python
Введение
Sktime – это библиотека Python с открытым исходным кодом для анализа временных рядов. Он предоставляет унифицированный интерфейс для выполнения нескольких задач обучения временных рядов, включая прогнозирование, классификацию, регрессию, кластеризацию, аннотирование и уменьшение размерности. Sktime также предоставляет интерфейсы для связанных библиотек, таких как scikit-learn, statsmodels, tsfresh, PyOD и..
Расширьте свой арсенал временных рядов с помощью этих моделей
Регуляризация, упаковка, укладка и многое другое
Данные временных рядов обычно состоят из трех компонентов:
Сезонность Тренд Остаток
Прогнозируйте эти компоненты, и вы сможете прогнозировать практически любые временные ряды. Звучит достаточно просто, верно?
Ну, не совсем так. Существует много неясностей в отношении наилучших способов спецификации модели, чтобы она могла правильно учитывать эти элементы, и в последние годы было опубликовано множество исследований, чтобы найти..
Создание модели ARIMA для прогнозирования временных рядов
Введение и реализация модели ARIMA в наборе данных AirPassengers
Прогнозирование временных рядов состоит из прогнозов, необходимых для принятия будущих стратегических решений в широком диапазоне приложений. Основываясь на некоторых терминах, введенных в этой предыдущей статье, таких как тренд и сезонность, в этой статье основное внимание уделяется реализации моделей на основе авторегрессии, интегрирования и скользящего среднего для прогнозирования временных рядов. В частности,..
Продажи Walmart с помощью прогнозирования временных рядов Холта-Уинтерса
Продажи Walmart с помощью прогнозирования временных рядов Холта-Уинтерса
В этой статье мы будем искать прогнозирование продаж данных о продажах в магазине Walmart и будем использовать общедоступный набор данных от Kaggle, имеющий ок. 4 миллиона замечаний. Анализ определяет прогноз продаж с использованием модели Холт-Винтерса, которая добавляет тренд, уровень и сезонность трех компонентов при прогнозировании. Модель была определена для прогнозирования, поскольку в данных..
Прогнозирование дневной волатильности
Использование модели GARCH для прогнозирования
Частные лица и финансовые компании используют волатильность для измерения изменения цен на акции, криптовалюты, форекс, индексы и товары (например, золото). В этом проекте мы будем использовать модель GARCH для прогнозирования волатильности криптовалют с течением времени.
Следует отметить, что этот проект также можно использовать для прогнозирования других криптовалют
Подготовка данных
Набор данных для этого проекта..
Модели глубокой авторегрессии
Прогнозирование с помощью TensorFlow 2.0
Временные ряды, связанные с бизнесом, часто являются непостоянными или дискретными процессами, основанными на времени. С практической точки зрения компаниям может быть полезно знать или иметь возможность количественно оценить, когда временной ряд будет на пике или минимуме в будущем. Цель состоит в том, чтобы зафиксировать тенденции и периодические модели и спрогнозировать сигнал для ›1 выборки в будущем. Пример записной книжки доступен в разделе..