KnownForecastingModels enum
Nilai yang diketahui dari ForecastingModels yang diterima layanan.
Bidang
| Arimax | Model Rata-Rata Bergerak Terintegrasi Otomatis dengan Variabel Penjelasan (ARIMAX) dapat dilihat sebagai model regresi ganda dengan satu atau beberapa istilah regresi otomatis (AR) dan/atau satu atau beberapa istilah rata-rata bergerak (MA). Metode ini cocok untuk prakiraan ketika data stasioner/non stasioner, dan multivariat dengan semua jenis pola data, yaitu, tingkat/tren /musiman/siklik. |
| AutoArima | Model Auto-Autoregressive Integrated Moving Average (ARIMA) menggunakan data rangkaian waktu dan analisis statistik untuk menginterpretasikan data dan membuat prediksi di masa mendatang. Model ini bertujuan untuk menjelaskan data dengan menggunakan data rangkaian waktu pada nilai sebelumnya dan menggunakan regresi linier untuk membuat prediksi. |
| Average | Model prakiraan Rata-rata membuat prediksi dengan meneruskan rata-rata nilai target untuk setiap rangkaian waktu dalam data pelatihan. |
| DecisionTree | Pohon Keputusan adalah metode pembelajaran yang diawasi non-parametrik yang digunakan untuk tugas klasifikasi dan regresi. Tujuannya adalah untuk membuat model yang memprediksi nilai variabel target dengan mempelajari aturan keputusan sederhana yang disimpulkan dari fitur data. |
| ElasticNet | Elastic net adalah jenis regresi linier reguler yang populer yang menggabungkan dua penalti populer, khususnya fungsi penalti L1 dan L2. |
| ExponentialSmoothing | Smoothing eksponensial adalah metode prakiraan rangkaian waktu untuk data univariat yang dapat diperluas untuk mendukung data dengan tren sistematis atau komponen musiman. |
| ExtremeRandomTrees | Pohon Ekstrem adalah algoritma pembelajaran mesin ansambel yang menggabungkan prediksi dari banyak pohon keputusan. Ini terkait dengan algoritma hutan acak yang banyak digunakan. |
| GradientBoosting | Teknik pelajar transit minggu menjadi pelajar yang kuat disebut Boosting. Proses algoritma peningkatan gradien bekerja pada teori eksekusi ini. |
| KNN | Algoritma tetangga terdekat K (KNN) menggunakan 'kesamaan fitur' untuk memprediksi nilai titik data baru yang selanjutnya berarti bahwa titik data baru akan diberi nilai berdasarkan seberapa dekat cocok dengan poin dalam set pelatihan. |
| LassoLars | Model Lasso cocok dengan Least Angle Regression alias Lars. Ini adalah Model Linier yang dilatih dengan L1 sebelumnya sebagai regularizer. |
| LightGBM | LightGBM adalah kerangka kerja peningkatan gradien yang menggunakan algoritma pembelajaran berbasis pohon. |
| Naive | Model prakiraan Naive membuat prediksi dengan meneruskan nilai target terbaru untuk setiap rangkaian waktu dalam data pelatihan. |
| Prophet | Prophet adalah prosedur untuk memperkirakan data rangkaian waktu berdasarkan model aditif di mana tren non-linier cocok dengan musiman tahunan, mingguan, dan harian, ditambah efek liburan. Ini berfungsi paling baik dengan rangkaian waktu yang memiliki efek musiman yang kuat dan beberapa musim data historis. Prophet kuat untuk kehilangan data dan pergeseran dalam tren, dan biasanya menangani outlier dengan baik. |
| RandomForest | Hutan acak adalah algoritma pembelajaran yang diawasi. "forest" yang dibangunnya, adalah ansambel pohon keputusan, biasanya dilatih dengan metode "bagging". Gagasan umum dari metode bagging adalah bahwa kombinasi model pembelajaran meningkatkan hasil keseluruhan. |
| SeasonalAverage | Model prakiraan Rata-Rata Musiman membuat prediksi dengan meneruskan nilai rata-rata musim data terbaru untuk setiap rangkaian waktu dalam data pelatihan. |
| SeasonalNaive | Model prakiraan Naif Musiman membuat prediksi dengan meneruskan musim terbaru nilai target untuk setiap rangkaian waktu dalam data pelatihan. |
| SGD | SGD: Penurunan gradien stochastic adalah algoritma pengoptimalan yang sering digunakan dalam aplikasi pembelajaran mesin untuk menemukan parameter model yang sesuai dengan yang paling sesuai antara output yang diprediksi dan aktual. Ini adalah teknik yang tidak biasa tetapi kuat. |
| TCNForecaster | TCNForecaster: Prakiraan Jaringan Konvolusional Temporal. Meminta tim prakiraan untuk intro singkat. |
| XGBoostRegressor | XGBoostRegressor: Extreme Gradient Boosting Regressor adalah model pembelajaran mesin yang diawasi menggunakan ansambel pelajar dasar. |