Публикации по теме 'time-series-analysis'
Прогнозирование временных рядов - полное руководство
В этой статье я объясню основы прогнозирования временных рядов и продемонстрирую, как мы можем реализовать различные модели прогнозирования в Python.
Прогнозирование - это слово, которое мы обычно связываем с погодой. Пока мы слушаем или смотрим НОВОСТИ, всегда есть отдельный сегмент под названием «Отчет о погоде», где обозреватель НОВОСТЕЙ предоставляет нам информацию о прогнозе погоды. Почему так важно прогнозирование? Просто потому, что мы можем принимать осознанные решения ...
Шесть классных (нелинейных) библиотек анализа временных рядов на Python
Поскольку моя страсть связана с нелинейными временными рядами, будь то из физики или финансов, я постоянно исследую математические методы и методы машинного обучения, и вместо того, чтобы тратить время на кодирование чего-то с нуля, я искал хорошие библиотеки Python, у которых уже есть реализации. Вот некоторые из них, к которым я возвращаюсь снова и снова. Надеюсь, что некоторые из них пригодятся и вам!
seglearn - . Эта библиотека великолепна, потому что она может создавать данные..
Методы и приложения интеллектуального анализа данных временных рядов
Прогнозирование, обнаружение аномалий, прогнозная аналитика, эконометрика и многое другое
Отрасли во всех секторах генерируют и используют данные временных рядов для принятия важных бизнес-решений.
Используя прошлые данные, продуктовая сеть хочет знать, в какое время года рыночный спрос на конкретный продукт достигает пика; колл-центрам необходимо прогнозировать будущие объемы звонков, чтобы иметь достаточный персонал; компании, выпускающие кредитные карты, следят за мошенническими..
Байесовский подход к обнаружению точек изменения временных рядов
При анализе временных рядов (TS) мы иногда заинтересованы в ретроспективной характеристике изменений (если таковые имеются) в данной выборке TS. Точка изменения (CP) — это абстракция резкого изменения TS; его значение - это индекс времени, при котором TS меняет свое поведение. Поведение ТС до КП отличается от поведения после КП. Более конкретно, CP — это момент времени, в который резко изменяются параметры базового распределения или параметры модели, используемой для описания TS..
Сравнительный анализ временных рядов - бумажный обзор
Наука о данных , Машинное обучение
Сравнительный анализ временных рядов - бумажный обзор
Анализ извлечения признаков временных рядов для сравнения, кластеризации, классификации и аннотации
В машинном обучении с временными рядами использование функций, извлеченных из рядов, более эффективно, чем простая обработка временных рядов в табличной форме с каждой датой / отметкой времени в отдельном столбце. Такие функции могут фиксировать характеристики рядов, такие как тренд и..
Мой набор инструментов для временных рядов
Мои предпочтительные модели для анализа временных рядов
Что касается прогнозирования временных рядов, я убежден, что чем проще модель, тем лучше.
Однако не все временные ряды одинаковы. Некоторые временные ряды имеют четко выраженный тренд - мы часто видим это на экономических данных, например:
Другие показывают более стационарный узор - например, ежемесячное количество авиапассажиров:
Выбор модели временных рядов будет сильно зависеть от типа временных рядов, с которыми вы..
Введение в временные ряды - разложение трендов с помощью Python
Многокомпонентный ряд по анализу временных рядов с применением Python к наборам финансовых данных
Исходный код этой статьи можно скачать с Github : Ссылка
Временная последовательность
Временной ряд - это ряд точек данных, индексированных во временном порядке. Разрешение временного ряда - это частота записи данных. Например, измерения частоты пульса (в единицах ударов в минуту) происходят с интервалом 0,5 секунды, так что продолжительность каждой серии составляет ровно 15..