Публикации по теме 'time-series-analysis'


Краткое введение в обнаружение точки изменения с использованием Python
Большая часть моей работы связана с анализом временных рядов. Один из замечательных, но менее известных алгоритмов, которые я использую, - это обнаружение точки изменения. Обнаружение точки изменения (или CPD) обнаруживает резкие сдвиги в тенденциях временных рядов (т. Е. Сдвиги в мгновенных скоростях временного ряда), которые можно легко идентифицировать с помощью человеческого глаза, но их труднее определить с помощью традиционных статистических подходов. НПР применяется во многих..
Классификация временных рядов с глубоким обучением
Обзор архитектуры и деталей реализации наиболее важных алгоритмов глубокого обучения для классификации временных рядов Зачем нужна классификация временных рядов? Прежде всего, важно подчеркнуть, почему эта проблема так важна сегодня и почему очень интересно понять роль и потенциал глубокого обучения в этом секторе. В последние годы классификация временных рядов стала одной из самых сложных проблем в области науки о данных. Это произошло потому, что любая проблема классификации, в..
Векторная авторегрессия для многомерных временных рядов данных о качестве воздуха
Код GitHub: https://github.com/rukshar69/Datascience-Projects/blob/master/VAR/MultivariateAutoRegression_AirQualityUCI.ipynb Многомерные временные ряды имеют более одной переменной, зависящей от времени, где каждая переменная зависит как от своих прошлых значений, так и от других переменных. Пример . В наборе данных есть процент потоотделения, точка росы, скорость ветра, процент облачности и т. д., а также значения температуры за последние два года. Таким образом, существует..
Прогнозирование потребления энергии с использованием нейронных сетей и исторических данных о температуре
Авторы: Варун Айенгар, Абхишек Вайдьянатан , Адитья Чандрасекхар , Киран Бодипати Вступление Энергия необходима для экономического и социального роста любой экономики. Согласно отчету, опубликованному в World Energy Outlook в 2017 году, спрос на энергию постоянно растет, идя в ногу с глобализацией, индустриализацией и глобальным экономическим ростом, и ожидается, что спрос вырастет примерно на 30% в период между 2015 и 2035 годами. Таким образом, необходимо разработать прогноз..
Прогноз временных рядов в Python
Прогноз сквозных временных рядов с использованием модели ARIMA С самого начала Covid и карантина свободный выход на улицу был роскошью для многих людей, включая меня. Лично я каждый день пытался отойти от ноутбука и выйти подышать свежим воздухом. Каждую неделю я смотрел на свой счет шагов со своего телефона и проверял, достаточно ли я тренируюсь. Как было бы здорово, если бы мы могли точно предсказать количество шагов на следующую неделю! В этой статье я буду использовать..
Введение в анализ временных рядов и ключевые концепции
Стационарность, случайное блуждание, белый шум, модели временных рядов и оценка моделей. В этой статье мы собираемся изучить, что такое анализ временных рядов? Каковы его возможности в будущем? и ключевые концепции анализа временных рядов. Содержание: Введение: что такое анализ временных рядов и его важность? Что такое стационарность временных рядов и их типов? Белый шум и случайное блуждание Функция автокорреляции (ACF) и функция частичной автокорреляции (PACF) Модели:..
Сжатие временных рядов с помощью Pandas
Как эффективно отменить операции заполнения или заполнения Итак, вы сделали это, у вас есть хороший временной ряд с полезными функциями в pandas DataFrame. Возможно, вы использовали pd.ffill() или pd.bfill() , чтобы заполнить пустые временные шаги, используя предыдущее или следующее значение, и выполнить анализ или извлечение признаков для всей серии. Чем вы занимаетесь? Мы столкнулись с этой проблемой сегодня в Мансе , где мы сохраняли сотни (если не тысячи) ненужных строк..