Публикации по теме time-series-analysis

Публикации по теме 'time-series-analysis'

Как создать модель классификации культур на основе пикселей

Методы и архитектуры для дистанционного зондирования и сельскохозяйственных приложений Присоединяйтесь к нам в этой серии блогов, состоящей из двух частей, где я сотрудничаю с экспертами в предметной области из VITO Remote Sensing для создания модели классификации культур на основе пикселей. Мы расскажем вам о проблемах и открытиях, которые сформировали наше понимание приложений для сельского хозяйства и дистанционного зондирования, а также воспользуемся бесценной информацией,..

Нетрадиционные методы разделения наборов данных временных рядов

Будьте осторожны, когда время является измерением в вашем наборе данных Одна из попыток обеспечить обобщение моделей машинного обучения в неизвестных условиях — это разделение данных. Это можно сделать разными способами: от трехэтапного (обучение, тестирование, оценка) разделения до k-разбиения с перекрестной проверкой. Основное рассуждение заключается в том, что, обучая модель ML на подмножестве данных и оценивая unknown данные, можно гораздо лучше рассуждать, если модель имеет..

Три подхода к разработке признаков для временных рядов

Три подхода к разработке признаков для временных рядов Использование фиктивных переменных, циклического кодирования и радиальных базисных функций Представьте, что вы только что начали новый проект по науке о данных. Цель состоит в том, чтобы построить модель, предсказывающую Y, целевую переменную. Вы уже получили некоторые данные от заинтересованных сторон/инженеров данных, провели тщательную EDA и выбрали некоторые переменные, которые, по вашему мнению, имеют отношение к..

Обнаружение аномалий в данных временных рядов с использованием библиотеки временных рядов Nixtla

Обнаружение аномалий является важной задачей в различных областях, включая финансы, здравоохранение, кибербезопасность и многое другое. Данные временных рядов используются повсеместно в этих областях, что делает обнаружение аномалий в данных временных рядов важной и сложной проблемой. К счастью, с появлением библиотек машинного обучения процесс обнаружения аномалий стал как никогда доступным. В этом сообщении блога мы обсудим реализацию обнаружения аномалий в данных временных рядов с..

ETNA: анализ временных рядов. Что, почему и как?

Всем привет! Меня зовут Саша, и я разрабатываю ETNA — пакет прогнозирования временных рядов. Эта статья будет посвящена методам EDA (Exploratory data analysis) в пакете ETNA. Я постараюсь показать, как найти что-то интересное в ваших данных с помощью этих методов, и объяснить, как использовать эти результаты для улучшения вашей прогностической модели. О наборе данных Сегодня мы попытаемся найти что-нибудь интересное в наборе данных временных рядов с конкурса Прогнозирование..

Анализ временных рядов на AWS — Презентация, часть 2 — Многомерное обнаружение аномалий

4 марта вышла моя первая книга Анализ временных рядов на AWS ! Я объявил об этом в этом посте , а также дал некоторые подробности о том, что вы можете ожидать в первой вводной главе книги. В моей предыдущей статье я также подробно описал содержание следующих шести глав, посвященных Amazon Forecast — управляемому сервису, доступному в облаке AWS, позволяющему создавать и развертывать модели прогнозирования с ограниченным без знания машинного обучения:..

Быстрое прогнозирование с помощью Facebook Prophet — менее 10 строк кода

Быстрое прогнозирование с помощью Facebook Prophet — менее 10 строк кода Прогнозирование для программистов Python и R Раньше я использовал пакет прогнозирования Роба Дж. Хайндмана fpp2 . Достаточно много. Тем не менее, это моя любимая библиотека прогнозов. Причина, по которой она мне так нравится, заключается в том, что она содержит обширный обзор методов прогнозирования и бесценную книгу открытого доступа , в которой есть все теории, связанные с прогнозированием. Там есть..