Публикации по теме 'time-series-data'
Прогноз цены акций: XGBoost
В нашей последней записи серии прогнозов цен на акции давайте узнаем, как прогнозировать цены на акции с помощью модели XGBoost.
Если вы хотите вникнуть в другие подходы к прогнозированию цен на акции, взгляните на другие наши блоги из этой серии:
Прогноз акций: Пророк Facebook Статистический подход к прогнозированию курса акций: наивный прогноз, скользящее среднее Прогноз курса акций: нейронная сеть с Tensorflow Прогноз цен на акции: использование глубоких нейронных сетей..
Изучение и анализ временного ряда
Наблюдения, которые были записаны упорядоченным образом и коррелированы во времени, составляют временной ряд. Очень общее приложение временных рядов использует его для прогнозирования того, что произойдет в будущем. Например, Прогнозирование продаж, анализ фондового рынка, прогнозирование запасов и т. д.
Другой интересующей областью, в которой используются временные ряды, отличные от прогнозирования, является обнаружение выбросов. Обнаружение выбросов — это целенаправленные..
Глубокое обучение для классификации временных рядов (InceptionTime)
Новая модель глубокого обучения (похожая на GoogleNet) для классификации временных рядов.
Показатель
Мотивация Машинное обучение для классификации временных рядов Лучшие практики глубокого обучения для классификации временных рядов: InceptionTime Понимание времени начала Заключение
1. Мотивация
Данные временных рядов всегда представляли большой интерес для финансовых служб, и теперь, с появлением приложений реального времени, другие области, такие как розничная торговля и..
Career-Con 2019: помогите ориентироваться в роботах
Роботы в наши дни умные, при выполнении определенных задач им нужно принимать мало решений, а что дает им силу мыслить? Датчики, установленные на его теле, процессоры помогают им обрабатывать данные, собранные датчиками. Какие типы решений регулярно принимают роботы и как это помогает роботу? Таким образом, решение может быть любого типа, например, какая скорость будет хорошей, когда задействовать тормоза, когда остановиться, как избежать столкновения и когда увеличить или уменьшить..
Новые материалы
Я хотел выучить язык программирования MVC4, но не мог выучить его раньше, потому что это выглядит сложно…
Просто начните и учитесь самостоятельно
Я хотел выучить язык программирования MVC4, но не мог выучить его раньше, потому что он кажется мне сложным, и я бросил его. Это в основном инструмент..
Лицензии с открытым исходным кодом: руководство для разработчиков и создателей
В динамичном мире разработки программного обеспечения открытый исходный код стал мощной парадигмой, способствующей сотрудничеству, инновациям и прогрессу, движимому сообществом. В основе..
Объяснение документов 02: BERT
BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка.
Во время предварительного обучения модель обучается на неразмеченных данных с помощью..
Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать
С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..
Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv)
Автор : Бар Лайт
Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..
Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята?
В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..
Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение.
В этом процессе мы будем использовать неконтролируемое обучение, чтобы..