Публикации по теме 'time-series-analysis'
Основы тестирования на истории
Моделирование временных рядов требует понимания концепций, которые кажутся одновременно базовыми и абстрактными:
Только будущее действительно неизвестно Переходы данных напрямую из будущего в прошлое Время однонаправлено Будущее длится долго
Пункты 2 и 3 объясняют, почему временные ряды определяет только последовательность, а не характер (количественный/качественный, внутренний/контекстный, плоский/иерархический), частота или регулярность.
Пункты 1, 2 и 3 объясняют, почему..
Как я использовал Random Forest для решения задачи электрических временных рядов
Random Forest — очень гибкий алгоритм, который широко используется в машинном обучении. Фактически, Винер и др. (2015) называют Random Forest стандартным инструментом для большинства приложений по обработке и анализу данных.
Хотя случайный лес широко используется в задачах классификации и регрессии, этот алгоритм также используется в анализе временных рядов. Чтобы Random Forest был эффективным алгоритмом для использования в прогнозировании временных рядов, его сначала необходимо..
Прогнозирование временных рядов
«Прогнозирование - это искусство говорить о том, что произойдет, а затем объяснять, почему этого не произошло!»
Каждый день мы сталкиваемся с ситуацией, когда прогнозируем будущие результаты или хотим, чтобы мы знали об этом раньше. В прогнозировании нет ничего нового, кроме старой концепции угадывать будущее на основе предыдущих знаний. В этой серии блогов я попытаюсь охватить некоторые основные концепции, связанные с анализом временных рядов и моделированием. Поскольку это..
РАКЕТА: быстрая и точная классификация временных рядов
Наука о данных , Машинное обучение
РАКЕТА: быстрая и точная классификация временных рядов
Современный алгоритм классификации временных рядов с помощью Python
Задача классификации временных рядов может рассматриваться как включающая обучение или обнаружение сигналов или закономерностей во временных рядах, связанных с соответствующими классами . - Демпстер и др., 2020, авторы статьи ROCKET
Большинство методов классификации временных рядов с современной точностью (SOTA)..
Пуассоновский процесс: все, что вам нужно знать
Пуассоновский процесс: все, что вам нужно знать
Узнайте о процессе Пуассона и о том, как его смоделировать с помощью Python
Позвольте мне немного пощекотать ваше любопытство. Давайте посмотрим, как может выглядеть последовательность Пуассона.
На графике показано время прибытия пациентов в отделение неотложной помощи в часах (начиная с некоторого произвольного часа 0). Нам также известно, что средняя скорость прибытия составляет 5 пациентов в час .
Оказывается, такие..
LSTM-FCN для кардиологии
Долговременная кратковременная память с полностью сверточной сетью (LSTM-FCN) - это усовершенствованная версия FCN, которая, как было показано, обеспечивает высочайшую производительность в задаче классификации последовательностей временных рядов.
Мы будем работать над применением алгоритма в базе данных, содержащей электрокардиограммы (ЭКГ) двух разных типов, и посмотрим, может ли эта новая модель помочь выявлять пациентов с высоким риском внезапной смерти.
LSTM-FCN архитектура..
EDA фондового рынка с использованием временных рядов
EDA (исследовательский анализ данных) – это подход к анализу наборов данных для обобщения их основных характеристик, часто с использованием визуальных методов. Здесь я проанализировал акции ведущих технологических компаний, чтобы увидеть, как Covid-19 повлиял на них.
Временной ряд – это ряд точек данных, проиндексированных во времени. Принимая во внимание, что прогнозирование временных рядов — это использование модели для прогнозирования будущих значений на основе ранее наблюдаемых..