Публикации по теме 'forecasting'


Освоение анализа финансовых данных: расширенные преобразования данных и приложения машинного обучения
Обновление финансовых прогнозов: улучшенное прогнозирование с помощью Z-Scores и нейронных сетей LSTM Предыстория: пересмотр проекта Springboard Data Science Bootcamp Во время учебного курса Springboard Data Science Bootcamp в 2021 году я разработал модель нейронной сети с долговременной кратковременной памятью (LSTM) для финансового прогнозирования. Оригинальный отчет проекта можно найти здесь . Как увлеченный специалист по данным, я решил вернуться к этому проекту, чтобы еще..
Регрессионный анализ временных рядов проекта
Отказ от ответственности: ЭТОТ ПРОЕКТ БЫЛ ВЫПОЛНЕН ГРУППОЙ СТУДЕНТОВ, УЧАСТВУЮЩИХ В ПРОГРАММЕ AZUBI AFRICA DATA ANALYTICS PROFESSIONAL PROGRAMME THE GROUP IS TEAM SAN-FRANCISCO. ТОЛЬКО ДЛЯ ОБРАЗОВАТЕЛЬНЫХ ЦЕЛЕЙ. ВВЕДЕНИЕ Продажи — жизненная сила любого бизнеса. Это двигатель, который стимулирует рост и обеспечивает непрерывность бизнеса. Но знаете ли вы, что отчеты о продажах могут раскрыть удивительные идеи, которые принесут пользу аналитикам данных и лицам, принимающим..
Динамические конформные интервалы для любой модели временных рядов
Применение и динамическое расширение интервала с помощью тестирования на исторических данных В зависимости от цели создания прогноза оценка точных доверительных интервалов может оказаться важной задачей. Большинство классических эконометрических моделей, построенных на предположениях о распределении прогнозов и остатков, имеют встроенный способ сделать это. При переходе к машинному обучению для создания временных рядов, например, с XGBoost или рекуррентными нейронными сетями, это может..
Как использовать гребенчатую регрессию для прогнозирования цены акций
В этом уроке мы будем использовать Ridge Regression для прогнозирования цен на акции с помощью библиотеки yfinance в Python. В частности, мы будем работать с AAPL ценами на акции. Введение Ридж-регрессия — это форма линейной регрессии , которая специально используется для обработки мультиколлинеарности данных. Мультиколлинеарность возникает, когда две или более переменных-предикторов в регрессионной модели сильно коррелированы. Это может привести к нестабильным и ненадежным..
Рабочий процесс бережливого прогнозирования
Как создавать хорошие бизнес-прогнозы с помощью рабочего процесса бережливого анализа данных Введение Бизнес-прогнозирование работает в основном так же, как и типичный проект по науке о данных, но для его правильного выполнения требуются свои собственные настройки. В этой статье мы намерены применить принципы бережливого производства не только для создания хороших прогнозов, но и для того, чтобы убедиться, что ваш процесс повышает качество прогнозов. Здесь наш пример задачи..
Глубокое погружение в настройку GreyKite: SilverKite и Prophet
Когда вы думаете о модели временных рядов SOTA, это обычно Пророк из Meta. Но GreyKite меняет правила игры: теперь мы можем смешивать Prophet и SilverKite. Серебряный змей Поскольку эта модель очень новая, в Интернете мало информации о том, как настроить серебряный змей. Хотя модель содержит множество параметров и компонентов. Рост В первую очередь нужно обратить внимание на параметры, определяющие трендовый рост модели. В отличие от Prophet, модель Silverkite может..
Введение в прогнозирование
Прогнозирование — это еще один метод, использующий структурированные данные (часто получаемые с помощью методов Обработка естественного языка и Распознавание объектов ) для обоснования принятия решений. Методы прогнозирования предсказывают будущие результаты или состояния. Зачем нам прогнозировать? Скажем, вы покупаете дом. Может быть полезно предсказать, какова будет стоимость ваших инвестиций через год. Что делать, если вы отремонтировали кухню? Методы прогнозирования могут..