KnownForecastingModels enum
القيم المعروفة ForecastingModels التي تقبلها الخدمة.
الحقول
| Arimax | يمكن عرض متوسط النقل المتكامل للتراجع التلقائي مع نموذج المتغير التوضيحي (ARIMAX) كنموذج انحدار متعدد مع واحد أو أكثر من شروط الانحدار التلقائي (AR) و/أو واحد أو أكثر من شروط المتوسط المتحرك (MA). هذه الطريقة مناسبة للتنبؤ عندما تكون البيانات ثابتة/غير ثابتة، ومتعدد المتغيرات مع أي نوع من أنماط البيانات، أي المستوى/الاتجاه /الموسمية/الدورية. |
| AutoArima | يستخدم نموذج متوسط النقل المتكامل التلقائي (ARIMA) بيانات السلسلة الزمنية والتحليل الإحصائي لتفسير البيانات وإجراء تنبؤات مستقبلية. يهدف هذا النموذج إلى شرح البيانات باستخدام بيانات السلاسل الزمنية على قيمها السابقة ويستخدم الانحدار الخطي لإجراء تنبؤات. |
| Average | يقوم نموذج التنبؤ المتوسط بإجراء تنبؤات من خلال المضي قدما في متوسط القيم المستهدفة لكل سلسلة زمنية في بيانات التدريب. |
| DecisionTree | أشجار القرار هي طريقة تعلم خاضعة للإشراف غير المعلمي تستخدم لكل من مهام التصنيف والانحدار. الهدف هو إنشاء نموذج يتنبأ بقيمة المتغير الهدف من خلال تعلم قواعد القرار البسيطة المستنتجة من ميزات البيانات. |
| ElasticNet | الشبكة المرنة هي نوع شائع من الانحدار الخطي المنتظم الذي يجمع بين اثنتين من العقوبات الشائعة، وتحديدا وظائف عقوبة L1 وL2. |
| ExponentialSmoothing | التجانس الأسي هو طريقة للتنبؤ بالسلاسل الزمنية للبيانات أحادية المتغيرات التي يمكن توسيعها لدعم البيانات ذات الاتجاه المنتظم أو المكون الموسمي. |
| ExtremeRandomTrees | الأشجار المتطرفة هي خوارزمية التعلم الآلي التي تجمع بين التنبؤات من العديد من أشجار القرار. وهو مرتبط خوارزمية الغابة العشوائية المستخدمة على نطاق واسع. |
| GradientBoosting | تسمى تقنية عبور متعلمي الأسبوع إلى متعلم قوي تعزيز. تعمل عملية الخوارزمية المعززة للتدرج على نظرية التنفيذ هذه. |
| KNN | تستخدم خوارزمية K-near neighbors (KNN) "تشابه الميزة" للتنبؤ بقيم نقاط البيانات الجديدة مما يعني أيضا أنه سيتم تعيين قيمة لنقطة البيانات الجديدة استنادا إلى مدى تطابقها مع النقاط في مجموعة التدريب. |
| LassoLars | يتناسب نموذج Lasso مع "تراجع الزاوية الأقل" a.k.a. Lars. إنه نموذج خطي مدرب مع L1 قبل كمنتظم. |
| LightGBM | LightGBM هو إطار عمل لتعزيز التدرج يستخدم خوارزميات التعلم المستندة إلى الشجرة. |
| Naive | يقوم نموذج التنبؤ Naive بإجراء تنبؤات من خلال المضي قدما في أحدث قيمة مستهدفة لكل سلسلة زمنية في بيانات التدريب. |
| Prophet | النبي هو إجراء للتنبؤ ببيانات السلسلة الزمنية استنادا إلى نموذج إضافي حيث تتلاءم الاتجاهات غير الخطية مع الموسمية السنوية والأسبوعية ويومية، بالإضافة إلى تأثيرات العطلات. وهو يعمل بشكل أفضل مع السلاسل الزمنية التي لها تأثيرات موسمية قوية وعدة مواسم من البيانات التاريخية. النبي قوي في فقدان البيانات والتحولات في الاتجاه، وعادة ما يتعامل مع القيم المتطرفة بشكل جيد. |
| RandomForest | الغابة العشوائية هي خوارزمية تعلم خاضعة للإشراف. "الغابة" التي تبنيها، هي مجموعة من أشجار القرار، وعادة ما يتم تدريبها باستخدام طريقة "وضع العلامات". الفكرة العامة لأسلوب وضع العلامات هي أن مجموعة من نماذج التعلم تزيد من النتيجة الإجمالية. |
| SeasonalAverage | يقوم نموذج التنبؤ المتوسط الموسمي بإجراء تنبؤات من خلال المضي قدما في متوسط قيمة أحدث موسم من البيانات لكل سلسلة زمنية في بيانات التدريب. |
| SeasonalNaive | يقوم نموذج التنبؤ الموسمي Naive بإجراء تنبؤات من خلال المضي قدما في أحدث موسم من القيم المستهدفة لكل سلسلة زمنية في بيانات التدريب. |
| SGD | SGD: الانخفاض المتدرج العشوائي هو خوارزمية تحسين تستخدم غالبا في تطبيقات التعلم الآلي للعثور على معلمات النموذج التي تتوافق مع أفضل ملاءمة بين المخرجات المتوقعة والفعلية. إنها تقنية غير نشطة ولكنها قوية. |
| TCNForecaster | TCNForecaster: منتبؤ الشبكات الالتفافية الزمنية. TODO: اطلب من فريق التنبؤ مقدمة موجزة. |
| XGBoostRegressor | XGBoostRegressor: Extreme Gradient Boosting Regressor هو نموذج التعلم الآلي الخاضع للإشراف باستخدام مجموعة من المتعلمين الأساسيين. |