Публикации по теме 'time-series-forecasting'
Многоэтапное прогнозирование временных рядов с помощью XGBoost
В этой статье показано, как создавать многоэтапные прогнозы временных рядов с помощью XGBoost на примере 24-часового прогнозирования цен на электроэнергию.
Существует ряд сообщений в блогах и блокнотов Kaggle, в которых XGBoost применяется к данным временных рядов. Однако мой опыт показывает, что в существующих материалах XGBoost применяется либо к классификации временных рядов, либо к прогнозированию на один шаг вперед . В этой статье показано, как применять XGBoost к..
Анализ временных рядов и прогнозирование
Понятие временных рядов используется во многих отраслях и областях исследований. Их тысячи в таких отраслях, как торговля, технологии, здравоохранение, энергетика и финансы. Учитывая неотъемлемый элемент времени в трейдинге и финансовые/экономические показатели, этот раздел посвящен финансовой отрасли. Прибыль бизнеса с течением времени или другие измеренные ключевые показатели эффективности являются отличным примером данных временных рядов. Следовательно, методы анализа временных рядов,..
Концепции и методы прогнозирования временных рядов с примерами реализации
Прогнозирование временных рядов — это процесс использования исторических данных для предсказания будущих событий. Данные временных рядов относятся к данным, которые собираются с течением времени и обычно используются для моделирования и прогнозирования тенденций, закономерностей и поведения. Существует множество подходов к прогнозированию временных рядов, включая статистические методы и методы машинного обучения.
Одним из распространенных статистических методов прогнозирования временных..
Начало работы с LSTM для прогнозирования акций
Как новичок, желающий узнать о машинном обучении, я решил заняться экспериментальным проектом — построить модель для прогнозирования цен на одну акцию. Этот пост представляет мой путь к созданию модели LSTM (Long Short-Term Memory network) шаг за шагом.
Я выбрал BHP в качестве своего первоначального тестового примера для моделирования, поскольку это крупная компания с диверсифицированными ресурсами и обширной доступностью исторических данных. Хотя я могу оценить другие акции, такие как..
Как разработать модель предварительного обучения (TSFormer) для временных рядов?
В последнее время было предпринято множество попыток решения задач НЛП (обработка естественного языка), и в большинстве из них используется предварительно обученная модель. Канал задач НЛП — это в основном данные, созданные людьми, полные плодотворной и превосходной информации, которую почти можно считать единицей данных. В прогнозировании временных рядов мы можем чувствовать нехватку таких предварительно обученных моделей. Почему мы не можем использовать это преимущество во временных..
Использование Twitter для прогнозирования доходности криптовалюты # 3 - Анализ временных рядов с использованием VAR
Узнайте, какие функции могут прогнозировать отдачу с помощью теста причинности Грейнджера
Если вы читали мою первую статью, это сложно очистить Твиттер для анализа настроений . Вот мои первые мысли:
Твит может быть очень положительным, но не имеет никакого значения, если у него нет подписчиков. Твит может быть нейтральным (вероятно, опубликованным ботами), но частые публикации таких твитов могут повысить осведомленность и внимание к криптовалюте. У твита может быть большое..
Прогнозирование временных рядов и завершение чертежей с помощью трансформаторов
Прогнозирование данных временных рядов может быть трудным. Определенно сложно предсказать многомерные данные временных рядов. Прогнозирование многомерных данных временных рядов, где разные переменные являются разными типами данных, представляет собой уникальную и интересную задачу, которую я и мой партнер недавно предприняли с отличными результатами.
Многовариантные временные ряды отчасти усложняются тем, что не существует окончательного лучшего способа их решения. Например, для..
