Публикации по теме 'time-series-analysis'
Анализ временных рядов — Объяснение
Каждый день мы открываем погодное приложение на мобильном устройстве и смотрим прогноз погоды или, просматривая новости фондового рынка, просматриваем такие термины, как прогноз для день. Итак, как они предсказывают дневной бум/спад фондового рынка или как они предсказывают погоду на неделю вперед? Анализ временных рядов — один из наиболее распространенных методов, помогающих прогнозировать тенденции в конкретной области или варианте использования. Итак, что такое Анализ временных..
Контрфактический вывод с использованием данных временных рядов
В этой статье мы рассмотрим мощную технику причинно-следственного вывода, которую, по моему мнению, должен иметь каждый специалист по данным.
Эта статья состоит из шести разделов:
1) Введение
2) Краткий курс причинно-следственных связей
3) Краткое описание алгоритма причинного воздействия
Освоение прогнозов погоды: раскройте потенциал ИИ с помощью моделей глубокого обучения LSTM для точного…
Прогнозирование температурных трендов с помощью передовых методов глубокого обучения с использованием LSTM
Прогнозирование погоды — один из самых важных инструментов в современном мире, и разработка хорошей модели прогнозирования температуры может стать огромным конкурентным преимуществом для многих предприятий. Измерение температуры окружающей среды напрямую связано с несколькими областями бизнеса, такими как сельское хозяйство, энергетика, торговля, авиация и многие другие отрасли...
Урок 53 — Машинное обучение: обнаружение аномалий во временных рядах
Статистические методы обнаружения аномалий
Статистические методы часто являются первой линией обороны при обнаружении аномалий во временных рядах. Они могут включать установление «нормального» поведения с использованием исторических данных, а затем пометку любых отклонений от этого поведения как потенциальных аномалий. Методы могут включать скользящие средние, стандартные отклонения или более сложные модели, такие как ARIMA.
Интуиция: представьте себе дорогу с ограничением..
Переменный коэффициент GARCH
Давайте заставим GARCH иметь переменные коэффициенты для обработки нелинейной условной дисперсии.
Введение
Как вы, наверное, поняли из других моих статей (например, здесь , здесь и здесь ), я большой поклонник моделей GARCH. Прогнозирование условной дисперсии, пожалуй, лучшее, что мы можем сделать для предсказания доходности акций из самих себя.
Тем не менее, семейство GARCH не является серебряной пулей, которая внезапно делает вас волшебником акций. Бесчисленные вариации..
Уточнение модели классификации культур: от дополнения данных к калибровке модели
Раздвигая границы в дистанционном зондировании для классификации культур
Добро пожаловать во вторую часть нашего захватывающего путешествия в области дистанционного зондирования и применения в сельском хозяйстве! «В первой части мы обсудили, как начать любой проект машинного обучения, в частности, более подробно рассмотрели классификацию культур. Мы показали, что модель Transformer значительно превосходит традиционные статистические модели и их аналоги с глубоким обучением.
Во второй..
Прогнозирование цены биткойна (BTC) с использованием сетей RNN-LSTM
Краткое изложение того, как сети RNN-LSTM можно использовать для точного прогнозирования цены биткойнов (BTC).
В последние пару лет RNN были довольно популярны и стали предпочтительным выбором нейронных сетей, когда речь шла о задачах, связанных с последовательными данными. Например, прогнозирование курса акций, прогнозирование слов и многое другое.
В этом блоге я реализовал модель RNN-LSTM для прогнозирования и фиксации движения биткойнов (BTC) с начала 2022 года.
Данные обучения для..
Новые материалы
Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально
Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
Частный метод Python: улучшение инкапсуляции и безопасности
Введение
Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования
Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv)
Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..