Ловушки при создании моделей прогнозирования: как в них не попасть и как из них выбраться, если попали
Евгения Ашмарина, 15.11.2014
В немецкой компании, в которой я работаю, решили провести конференцию по бизнес-аналитике, а точнее по анализу данных в бизнесе. Одной из тем стала тема: «Ловушки при создании моделей прогнозирования».
Начинаю очередной цикл материалов, посвященных прогнозированию на нейронных сетях. В данном материале постараюсь подробно пояснить, как быстро сделать первую нейронную сеть для прогнозирования.
Математическое бюро сейчас активно модернизирует и тестирует новую усовершенствованную версию математической модели, которая заложена в основу нашего сервиса прогнозирования. В связи с тем, что нам удалось достичь ощутимого повышения точности, мы можем открыть секреты предыдущей версии модели прогнозирования.
Прошедшей весной в Математическое бюро обратилась компания, у которой стоит задача получения прогноза продаж бытовой техники на 3 месяца вперед. Мне хочется в двух записях подробно рассмотреть этот случай, чтобы сформулировать все нюансы такого рода прогнозов.
Диссертация «Модель прогнозирования временных рядов по выборке максимального подобия». Глава 4. Программная реализация и оценка эффективности модели экстраполяции по выборке максимального подобия
Ирина Чучуева, 19.5.2012
4.1. Прогнозирование показателей энергорынка РФ
4.1.1. Программная реализация
4.1.2. Прогнозирование цен на электроэнергию
4.1.3. Прогнозирование энергопотребления
4.2. Прогнозирование других временных рядов
4.2.1. Уровень сахара крови человека
4.2.2. Скорость движения транспорта по дорогам Москвы
4.2.3. Финансовые временные ряды
4.3. Выводы
4.4. Выводы по диссертации
Диссертация «Модель прогнозирования временных рядов по выборке максимального подобия». Глава 3. Метод прогнозирования на модели экстраполяции по выборке максимального подобия
Ирина Чучуева, 14.5.2012
3.1. Алгоритм экстраполяции временного ряда без учета внешних факторов
3.2. Алгоритм экстраполяции временного ряда с учетом внешних факторов
3.3. Алгоритм идентификации моделей
3.3.1. Описание алгоритма
3.3.2. Распараллеливание вычислений
3.3.3. Наборы моделей
3.3.4. Оценка времени идентификации
3.4. Алгоритм построения доверительного интервала
3.5. Выводы