Публикации по теме 'time-series-analysis'


Анализ временных рядов с глубоким обучением: упрощенный
Пройдите ускоренный курс, чтобы узнать, «почему» и «когда» использовать глубокое обучение в анализе временных рядов. Что такое анализ временных рядов? Временной ряд - это последовательность точек данных, упорядоченная с использованием временных меток. А анализ временных рядов - это .. вы уже догадались .. анализ данных временных рядов: P Диапазон временных рядов огромен, от ежедневной цены на ваш любимый фрукт до показаний выходного напряжения, обеспечиваемого схемой, как и..
Прогноз временных рядов (многомерный)
Преобразование многомерного временного ряда в формат, который может использовать наша нейронная сеть с прямой связью. Настройка среды Импорт модулей, которые мы будем использовать Установите наши данные Мы используем Набор данных для обнаружения занятости в качестве примера набора данных. Преобразование многомерных данных Мы ссылаемся на статью Джейсона Браунли , чтобы преобразовать задачи прогнозирования многомерных временных рядов в задачи обучения с..
Использование ResNet для данных временных рядов
Рекуррентные нейронные сети, такие как обычная RNN или более продвинутые модели, такие как LSTM и GRU, раньше были моделями goto для практиков глубокого обучения, отваживающихся на область временных рядов. НЛП, предоставляющее множество данных о последовательностях, предоставило желающую тему. Но трансформаторные архитектуры, такие как BERT и GPT, определенно взяли верх в этой области. Помимо этих трансформаторных архитектур, CNN также вернулись или продвинулись в области временных рядов...
Оценка модели AR (1) с алгоритмом Metropolis Hastings
Ну вот, добро пожаловать на мой второй кусок! Прочитав эту статью, вы узнаете, как построить алгоритм оптимизации с использованием метода Монте-Карло с цепями Маркова (MCMC). Я собираюсь использовать практический пример, чтобы лучше показать вам результаты оценки процесса AR(1), но примененные здесь правила имеют несколько полезных применений! Я напишу и покажу вам код на Python и результаты! Краткое изложение основных затронутых тем: - ARMA-процессы - Теорема преобразования для..
Создайте конечную точку API для обнаружения аномалий в цене акций с помощью ML.NET
Как создать конечную точку API ASP.NET Core для обнаружения аномалий временных рядов, в частности обнаружения всплесков, с использованием ML.NET для определения интересных внутридневных ценовых точек. Фон Что такое обнаружение аномалий? Согласно Википедии, «При анализе данных обнаружение аномалий (также обнаружение выбросов) - это идентификация редких элементов, событий или наблюдений, вызывающих подозрения, поскольку они значительно отличаются от большинства данных». Говоря..
Обнаружение аномалий временных рядов - на примере Python
Обнаружение аномалий временных рядов - на примере Python Обнаружение аномалий - одна из самых интересных тем в науке о данных. Есть много подходов к решению этой проблемы, начиная с простых глобальных пороговых значений и заканчивая продвинутым машинным обучением. Здесь я хотел бы показать вам простой, но эффективный метод, основанный на скользящем окне для установки локальных пороговых значений. Давайте сначала исследуем наши данные. Сразу после загрузки данных я присваиваю..
Полное введение в анализ временных рядов (с R): Полупараметрические модели
В последней статье мы увидели общую стратегию думать о любой модели временных рядов и о том, как мы не хотим ни слишком много, ни слишком мало зависимости в наших моделях. Теперь мы хотели бы изучить это более подробно. Обозначение Просто быстрое примечание; помни это это просто сокращение для то есть некоторые временные ряды. Имея это в виду, давайте углубимся в примеры. Полупараметрические модели Давайте сначала посмотрим на определение полупараметрических..