Публикации по теме 'timeseries'
Обработка дат в Python
Совсем недавно я создал приложение для уведомлений, которое позволяет пользователям устанавливать специальные напоминания для определенных типов событий в пространстве крипто-трейдинга. В процессе я много имел дело с библиотекой даты и времени Python и почувствовал необходимость записать некоторые из своих опытов с w.r.t. часовые пояса. Итак, поехали… .
Давайте сначала поговорим о самых основах:
import datetime
# lets create a datetime obj. that represents the point in time of
#..
Найдите свое золото с прогнозированием на основе спроса и открытыми данными
Узнайте, как внешние факторы, такие как погода, могут улучшить прогнозы данных о продажах.
Kaggle регулярно проводит соревнования, на которых специалисты по данным бросают вызов самим себе ради развлечения или денежного приза, решая самые сложные задачи по науке о данных.
Перенесемся в 2015 год, когда более 3000 команд соревновались в Rossman Store challenge , чтобы прогнозировать ежедневные продажи на срок до шести недель для 3000 аптек в семи странах. Участники должны были..
Стационарные временные ряды
Временной ряд называется стационарным, если его статистические свойства, такие как среднее значение, дисперсия и автокорреляция, остаются постоянными во времени. Другими словами, в ряду отсутствуют какие-либо тренды или сезонность, и он сохраняет стабильное статистическое поведение по всей своей длине. Стационарные временные ряды имеют решающее значение для анализа и прогнозирования временных рядов, поскольку многие статистические методы и модели предполагают это свойство.
Стационарный..
Neural Prophet для временных рядов
Подход к глубокому обучению для последовательного изучения данных временных рядов
Привет, привет, как дела сегодня? я надеюсь, что это здорово.
В наших предыдущих статьях мы видели множество способов изучить последовательные закономерности, скрытые в наших последовательных данных временного ряда. Но на этот раз мы рассмотрим подход к изучению последовательных данных с помощью глубокого обучения с использованием нейронной сети прямого потока . LSTM также является еще одним..
Прогнозирование временных рядов с использованием разложения по эмпирическим модам и (расширенных) сверточных сетей (2).
Данные временных рядов и план ввода-вывода.
Начнем с временного ряда Икеда : нелинейного хаотического временного ряда, то есть синтетического. Серия, которую я скачал, содержит 60 тыс. Точек данных. Как указывалось другими, в литературе есть много примеров, когда процесс EMD выполнялся для всего набора данных - что особенно важно, до фактического разделения его на данные обучения и тестирования. Это должно быть большим запретом, и, к сожалению, я потратил на это месяцы, не осознавая..
Прогнозирование временных рядов: прогнозирование цен на акции с использованием модели Пророка Facebook
В этом посте я покажу вам, как прогнозировать цены на акции, используя публично доступную модель прогнозирования от команды Facebook Data Science: The Prophet.
1. Введение
1.1. Временные ряды и модели прогнозирования
Традиционно большинство моделей машинного обучения (ML) используют в качестве входных данных некоторые наблюдения (образцы / примеры), но в данных нет измерения времени .
Модели прогнозирования временных рядов - это модели, которые способны прогнозировать..
Прогнозирование временных рядов с помощью Greykite
Смотрите другие истории из этой серии
Я изучал временные ряды и недавно заглянул в Facebook Prophet и SARIMA . Теперь есть новая библиотека Greykite от LinkedIn, которая стремится создать абстракцию над несколькими моделями, включая Prophet, и представляет свою собственную модель под названием Silverkite.
Не буду претендовать на объяснение модели (потому что не совсем ее понимаю), но LinkedIn предоставляет подробности , и меня интересует ее применение. Использование того же..
