«Лжепророк домашняя модель регрессии временных рядов»
«Лжепророк модель регрессии временных рядов для домашней моды»
Заимствуя идеи от Прорицателя от Meta для создания мощной модели временных рядов регрессии
В этой продолжающейся статье я продолжаю свою миссию по созданию временного монстра Франкенштейна, объединяя идеи из популярного пакета Прорицатель¹ и выступления “Победа с простыми, даже линейными моделями”².
После того, как мы вспомним, к чему мы стремимся, мы коснемся модели регрессии – что это такое и почему она особенная.
Затем мы перейдем к настройке гиперпараметров с использованием временного кросс-валидации, чтобы получить “оптимальную” параметризацию модели.
Наконец, мы проверим модель с помощью SHAP, а затем воспользуемся формой модели, чтобы провести индивидуальные исследования и ручные настройки.
- Основы статистической оценки и вывода
- Как человеческий труд позволяет машинному обучению
- Оптимальное планирование встреч
Это многое, что нужно рассмотреть – давайте начнем.
Кроме того: мы описали подготовку и создание функций в предыдущей статье, поэтому сразу перейдем к моделированию. Исправляйте то, что произошло там:
Ложный Прорицатель: Создание функций для домашней временной регрессии (Часть 1 из 2)
Строим на идеях от пакета Прорицателя Meta для создания мощных функций для моделей машинного обучения временных рядов
towardsdatascience.com
Общая картина
Давайте напомним себе о том, что мы делаем.
Конечная цель проста: сгенерировать наиболее точный прогноз будущих событий на указанный период времени.
Мы начали с временного ряда, содержащего только переменную даты и количество интересующего нас аспекта. На основе этого мы получили дополнительные функции, которые помогут нам точно моделировать будущие результаты; они в значительной степени “вдохновлены” подходом Прорицателя.
Это приводит нас к тому, что мы уже готовы подать наши обработанные данные в легкую модель, обучая ее прогнозированию в будущее. Позже мы углубимся во внутренние работы модели.
Давайте вспомним, как выглядят данные, прежде чем продолжить.
Данные
Мы используем реальные данные из Великобритании – в данном случае, набор данных о дорожно-транспортных происшествиях STATS19, который…
