Публикации по теме 'time-series-analysis'
Роль причинно-следственной связи по Грейнджеру в выявлении причинно-следственных связей для прогнозирования временных рядов
Мы представили векторную авторегрессию или VAR в предыдущей статье. Но действительно ли имеет смысл использовать две (или более) разные переменные для составления прогноза? Ответ — нет, по крайней мере, не всегда. Это будет действительно полезно только в том случае, если между ними есть какие-то отношения. Использование несвязанных переменных может внести шум в модель, ухудшив прогнозы, а не улучшив их.
Отказ от ответственности: некоторые части этой статьи были улучшены с помощью..
Как сделать EDA для временных рядов
Исследовательский анализ временных рядов с профилированием Pandas
Одним из первых шагов в цикле разработки науки о данных является понимание и изучение данных для проблемы, которую вы решаете. EDA — это важный шаг для улучшения рабочего процесса в области науки о данных, и профилирование Pandas было моим предпочтительным выбором, чтобы сделать его быстро и с помощью одной строки кода, предоставляя мне выходные данные для лучшего понимания данных и выявления значимых идей.
Вы,..
TQA: создание действительных интервалов прогнозирования для перекрестной регрессии временных рядов
Автор: Чжэнь Линь (UIUC)
В этом блоге описывается наша статья NeurIPS’22 [3]: Conformal Prediction with Temporal Quantile Adjustments.
В этом блоге мы рассмотрим:
Краткое введение в конформное прогнозирование, мощный инструмент, обеспечивающий гарантии покрытия с минимальными предположениями о распределениях. Проблемы создания действительных интервалов прогнозирования для прогнозирования временных рядов и наш подход к ним (TQA).
Ресурсы: код , плакат , бумага .
Проблема..
Методы перекрестной проверки данных временных рядов
Изучение различных методов разделения данных для анализа временных рядов
Оценка производительности является важным аспектом проектов машинного обучения, цель которых состоит в том, чтобы предсказать ошибку, с которой может столкнуться прогностическая модель при представлении новых, невидимых данных. Однако в случае задач прогнозирования временных рядов возникают уникальные проблемы, возникающие из-за зависимости между наблюдениями во времени.
Основной проблемой при оценке..
Прогнозирование временных рядов методами динамических систем
Как можно использовать динамические системы для прогнозирования данных временных рядов с помощью стандартных классических алгоритмов машинного обучения
Прогнозирование временных рядов — это еще один тип задач, с которыми сталкиваются специалисты по данным в своей повседневной работе. Из-за этого важно, чтобы мы добавили этот инструмент в наш набор инструментов. Это будет в центре внимания сегодняшнего поста.
Есть много способов решить эту проблему, в этом посте я сосредоточусь на..
Прогнозирование извержения вулкана с помощью tsfresh & lightGBM
Подход с минимальными усилиями к проектированию функций и машинному обучению на многомерных данных временных рядов.
Извержение вулкана может унести десятки тысяч жизней, разрушить инфраструктуру на миллионы долларов и доставить массу неудобств. Что, если бы ученые могли предвидеть извержения вулканов, как они предсказывают погоду? Это было целью конкурса Kaggle INGV - Прогнозирование извержений вулканов , организованного Национальным институтом геофизики и вулканологии (INGV).
Я..
Победа с помощью простых, даже не линейных моделей временных рядов
Если ваш набор данных невелик, последующие идеи могут быть полезны.
Отказ от ответственности: Название во многом вдохновлено этой великолепной речью.
Как следует из названия, сегодня мы хотим рассмотреть почти тривиально простые модели. Хотя текущая тенденция указывает на сложные модели, даже для моделей временных рядов, я все еще верю в простоту. В частности, когда ваш набор данных невелик, могут быть полезны последующие идеи.
Справедливости ради, эта статья, вероятно, будет..
