Публикации по теме 'time-series-analysis'


Как исследовать данные финансовых временных рядов
Однако методы, обсуждаемые в этой статье, могут применяться не только к финансовым временным рядам, но и ко многим другим областям. В этой статье вы узнаете, как идентифицировать выбросы, используя скользящую статистику. — Идентификация выбросов с помощью фильтра Хампеля — Выявление точек изменения во временном ряду — Выявление трендов во временных рядах - Использование показателя Херста для выявления закономерностей во временном ряду. — Изучение общих характеристик доходности..
Введение в прогнозирование временных рядов
Существует множество задач прогнозирования, которые включают временной компонент, такой как прогнозирование некоторой урожайности каждый год, прогнозирование определенной цены каждый день, прогнозирование определенной ставки каждый час и т. Д., Что затрудняет решение проблем. В этом блоге будут представлены методы машинного обучения, позволяющие лучше анализировать и прогнозировать временные ряды. Временная последовательность Временной ряд можно разложить на четыре составляющих..
Улучшение прогнозирования временных рядов с использованием только функции DateTime
Прогнозирование временных рядов играет важную роль в различных отраслях, таких как финансы и управление цепочками поставок. Как правило, модели прогнозирования требуют ряда числовых или категориальных признаков для получения точных прогнозов. Однако бывают ситуации, когда у нас есть ограниченные данные, и все, что у нас есть, это столбцы DateTime . В этой статье мы рассмотрим, как мы можем использовать информацию, содержащуюся в столбцах DateTime, для улучшения наших моделей..
Как использовать машинное обучение для прогнозирования временных рядов (или ретроспекция результатов…
Как использовать машинное обучение для прогнозирования временных рядов (или ретроспектива результатов конкурса прогнозистов Kaggle M5). Больше года назад я внимательно следил за соревнованием прогнозистов Kagle M5 https://www.kaggle.com/c/m5-forecasting-accuracy . TL;DR — после 40 лет, когда академия прикладного прогнозирования утверждала, что «простые методы прогнозирования работают лучше всего», кульминацией которого стало соревнование по прогнозированию M4, в котором почти не было..
Понимание прогнозирования временных рядов с помощью ARIMA
Прогнозирование временных рядов — ценный метод анализа и прогнозирования данных, которые меняются во времени. Одним из популярных методов прогнозирования временных рядов является ARIMA (авторегрессионное интегрированное скользящее среднее). В этой статье мы углубимся в концепции, лежащие в основе ARIMA, и рассмотрим, как ее можно использовать для построения точных моделей для анализа временных рядов. Стационарность и дифференцирование Прежде чем мы углубимся в ARIMA, важно..
Прогнозирование временных рядов с использованием Spark
"Машинное обучение" Прогнозирование временных рядов с использованием Spark Прогнозирование пешеходного движения на следующий час с помощью Spark Введение в цель В наши дни в высокотехнологичных или умных городах подсчет пешеходов можно отслеживать путем развертывания датчиков в определенных местах, которые могут подсчитывать количество пешеходов каждый час (согласно данным, используемым для этого блога) или по мере необходимости. Из названия самого сообщения можно понять, что..
Обнаружение аномалий в многомерных временных рядах с помощью сетевых графиков
Помимо PCA: основанный на графах подход к обнаружению аномальных паттернов Работая над задачей обнаружения аномалий, мы привыкли обнаруживать и указывать ситуации, когда данные регистрируют невидимую динамику. Возможность изучать прошлое и экстраполировать «нормальное» поведение имеет решающее значение для успеха большинства приложений для обнаружения аномалий . В этой ситуации адекватная стратегия обучения должна учитывать временную зависимость. То, что в прошлом могло считаться..