Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
OpenDocCN
ml-mastery-zh
提交
7df0830b
M
ml-mastery-zh
项目概览
OpenDocCN
/
ml-mastery-zh
8 个月 前同步成功
通知
2
Star
556
Fork
158
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
M
ml-mastery-zh
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
前往新版Gitcode,体验更适合开发者的 AI 搜索 >>
提交
7df0830b
编写于
1月 15, 2022
作者:
W
wizardforcel
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
2022-01-15 23:54:10
上级
f8b06612
变更
4
隐藏空白更改
内联
并排
Showing
4 changed file
with
26 addition
and
26 deletion
+26
-26
trans/keras/pytorch-tutorial-develop-deep-learning-models.md
trans/keras/pytorch-tutorial-develop-deep-learning-models.md
+1
-1
trans/keras/tensorflow-tutorial-deep-learning-with-tf-keras.md
.../keras/tensorflow-tutorial-deep-learning-with-tf-keras.md
+1
-1
trans/ts/random-forest-for-time-series-forecasting.md
trans/ts/random-forest-for-time-series-forecasting.md
+1
-1
trans/ts/time-series-forecasting-with-prophet-in-python.md
trans/ts/time-series-forecasting-with-prophet-in-python.md
+23
-23
未找到文件。
trans/keras/pytorch-tutorial-develop-deep-learning-models.md
浏览文件 @
7df0830b
...
...
@@ -57,7 +57,7 @@ PyTorch 教程-如何开发深度学习模型
**你不需要什么都懂(至少现在不需要)**
。你的目标是把教程从头到尾看一遍,并得到一个结果。你不需要第一遍就明白所有的事情。边走边列出你的问题。大量使用 API 文档来了解您正在使用的所有功能。
**你不需要
先知
道数学**
。数学是描述算法如何工作的简洁方式,特别是来自线性代数、概率和微积分的工具。这些不是你可以用来学习算法如何工作的唯一工具。您还可以使用代码并探索具有不同输入和输出的算法行为。知道数学不会告诉你选择什么算法或者如何最好地配置它。你只能通过精心控制的实验来发现这一点。
**你不需要
Prophet
道数学**
。数学是描述算法如何工作的简洁方式,特别是来自线性代数、概率和微积分的工具。这些不是你可以用来学习算法如何工作的唯一工具。您还可以使用代码并探索具有不同输入和输出的算法行为。知道数学不会告诉你选择什么算法或者如何最好地配置它。你只能通过精心控制的实验来发现这一点。
**你不需要知道算法是如何工作的**
。了解这些限制以及如何配置深度学习算法非常重要。但是关于算法的学习可以在以后进行。你需要长时间慢慢积累这些算法知识。今天,从适应平台开始。
...
...
trans/keras/tensorflow-tutorial-deep-learning-with-tf-keras.md
浏览文件 @
7df0830b
...
...
@@ -74,7 +74,7 @@ TensorFlow 是由谷歌开发和维护的首要开源深度学习框架。虽然
**你不需要什么都懂(至少现在不需要)**
。您的目标是将教程从头到尾运行一遍并获得结果。你不需要第一遍就明白所有的事情。边走边列出你的问题。大量使用 API 文档来了解您正在使用的所有功能。
**你不需要
先知
道数学**
。数学是描述算法如何工作的简洁方式,特别是来自
[
线性代数
](
https://machinelearningmastery.com/start-here/#linear_algebra
)
、
[
概率
](
https://machinelearningmastery.com/start-here/#probability
)
和
[
统计
](
https://machinelearningmastery.com/start-here/#statistical_methods
)
的工具。这些不是你可以用来学习算法如何工作的唯一工具。您还可以使用代码并探索具有不同输入和输出的算法行为。知道数学不会告诉你选择什么算法或者如何最好地配置它。你只能通过仔细的受控实验来发现这一点。
**你不需要
Prophet
道数学**
。数学是描述算法如何工作的简洁方式,特别是来自
[
线性代数
](
https://machinelearningmastery.com/start-here/#linear_algebra
)
、
[
概率
](
https://machinelearningmastery.com/start-here/#probability
)
和
[
统计
](
https://machinelearningmastery.com/start-here/#statistical_methods
)
的工具。这些不是你可以用来学习算法如何工作的唯一工具。您还可以使用代码并探索具有不同输入和输出的算法行为。知道数学不会告诉你选择什么算法或者如何最好地配置它。你只能通过仔细的受控实验来发现这一点。
**你不需要知道算法是如何工作的**
。了解这些限制以及如何配置深度学习算法非常重要。但是关于算法的学习可以在以后进行。你需要长时间慢慢积累这些算法知识。今天,从适应平台开始。
...
...
trans/ts/random-forest-for-time-series-forecasting.md
浏览文件 @
7df0830b
# 时间序列预测的随机森林
#
用于
时间序列预测的随机森林
> 原文:<https://machinelearningmastery.com/random-forest-for-time-series-forecasting/>
...
...
trans/ts/time-series-forecasting-with-prophet-in-python.md
浏览文件 @
7df0830b
# Python 中
带先知
的时间序列预测
# Python 中
使用 Prophet
的时间序列预测
> 原文:<https://machinelearningmastery.com/time-series-forecasting-with-prophet-in-python/>
时间序列预测可能具有挑战性,因为有许多不同的方法可以使用,而且每种方法都有许多不同的超参数。
先知
库是一个开源库,设计用于对单变量时间序列数据集进行预测。它易于使用,旨在自动为模型找到一组好的超参数,以便对默认情况下具有趋势和季节结构的数据进行熟练的预测。
Prophet
库是一个开源库,设计用于对单变量时间序列数据集进行预测。它易于使用,旨在自动为模型找到一组好的超参数,以便对默认情况下具有趋势和季节结构的数据进行熟练的预测。
在本教程中,您将发现如何使用脸书
先知
库进行时间序列预测。
在本教程中,您将发现如何使用脸书
Prophet
库进行时间序列预测。
完成本教程后,您将知道:
*
Prophet 是一个由脸书开发的开源库,设计用于单变量时间序列数据的自动预测。
*
如何拟合预言家模型并使用它们进行样本内和样本外预测。
*
如何在搁置数据集上评估
先知
模型。
*
如何在搁置数据集上评估
Prophet
模型。
我们开始吧。
![
Time Series Forecasting With Prophet in Python
](
img/c8f6da2dd6c2b69b9db4dbddb275c708.png
)
时间序列预测与 Python 中的
先知
时间序列预测与 Python 中的
Prophet
图片由
[
里纳尔多·伍尔格利茨
](
https://flickr.com/photos/wurglitsch/9466317145/
)
提供,保留部分权利。
## 教程概述
本教程分为三个部分;它们是:
1.
先知
预测图书馆
1.
Prophet
预测图书馆
2.
汽车销售数据集
1.
加载和汇总数据集
2.
加载和绘制数据集
3.
先知
预测汽车销量
1.
适合
先知
模型
3.
Prophet
预测汽车销量
1.
适合
Prophet
模型
2.
进行抽样预测
3.
进行样本外预测
4.
手动评估预测模型
##
先知
预测图书馆
##
Prophet
预测图书馆
[
预言家
](
https://github.com/facebook/prophet
)
,或“
*脸书预言家*
”,是脸书开发的单变量(单变量)时间序列预测的开源库。
...
...
@@ -43,7 +43,7 @@
> 实施基于加法模型预测时间序列数据的程序,其中非线性趋势与年度、每周和每日季节性以及假日影响相匹配
——
[
包裹‘
先知
’
](
https://cran.r-project.org/web/packages/prophet/prophet.pdf
)
,2019 年。
——
[
包裹‘
Prophet
’
](
https://cran.r-project.org/web/packages/prophet/prophet.pdf
)
,2019 年。
它被设计成简单和完全自动的,例如,以时间序列为点,得到一个预测。因此,它旨在供公司内部使用,如预测销售、产能等。
...
...
@@ -53,7 +53,7 @@
该库提供了两个接口,包括 R 和 Python。在本教程中,我们将重点关注 Python 接口。
第一步是使用 Pip 安装
先知
库,如下所示:
第一步是使用 Pip 安装
Prophet
库,如下所示:
```
py
sudo
pip
install
fbprophet
...
...
@@ -70,7 +70,7 @@ import fbprophet
print
(
'Prophet %s'
%
fbprophet
.
__version__
)
```
运行该示例会打印
先知
的安装版本。
运行该示例会打印
Prophet
的安装版本。
你应该有相同或更高的版本。
...
...
@@ -159,15 +159,15 @@ pyplot.show()
汽车销售数据集的线图
现在我们已经熟悉了数据集,让我们探索如何使用
先知
库进行预测。
现在我们已经熟悉了数据集,让我们探索如何使用
Prophet
库进行预测。
##
先知
预测汽车销量
##
Prophet
预测汽车销量
在本节中,我们将探索使用预言家来预测汽车销售数据集。
让我们从在数据集上拟合模型开始
### 适合
先知
模型
### 适合
Prophet
模型
要使用 Prophet 进行预测,首先定义并配置一个
*Prophet()*
对象,然后通过调用
*fit()*
函数并传递数据来拟合数据集。
...
...
@@ -186,7 +186,7 @@ df.columns = ['ds', 'y']
df
[
'ds'
]
=
to_datetime
(
df
[
'ds'
])
```
下面列出了在汽车销售数据集中拟合
先知
模型的完整示例。
下面列出了在汽车销售数据集中拟合
Prophet
模型的完整示例。
```
py
# fit prophet model on the car sales dataset
...
...
@@ -205,7 +205,7 @@ model = Prophet()
model
.
fit
(
df
)
```
运行该示例将加载数据集,以预期的格式准备数据帧,并适合
先知
模型。
运行该示例将加载数据集,以预期的格式准备数据帧,并适合
Prophet
模型。
默认情况下,在拟合过程中,库会提供大量详细的输出。我认为这是一个坏主意,因为它训练开发人员忽略输出。
...
...
@@ -532,29 +532,29 @@ MAE: 1336.814
过去 12 个月汽车销量的实际值与预测值图
先知
库还提供了自动评估模型和绘制结果的工具,尽管这些工具对于分辨率超过一天的数据似乎不能很好地工作。
Prophet
库还提供了自动评估模型和绘制结果的工具,尽管这些工具对于分辨率超过一天的数据似乎不能很好地工作。
## 进一步阅读
如果您想更深入地了解这个主题,本节将提供更多资源。
*
[
先知
主页
](
https://facebook.github.io/prophet/
)
。
*
[
先知
GitHub 项目
](
https://github.com/facebook/prophet
)
。
*
[
Prophet
主页
](
https://facebook.github.io/prophet/
)
。
*
[
Prophet
GitHub 项目
](
https://github.com/facebook/prophet
)
。
*
[
预言家 API 文档
](
https://facebook.github.io/prophet/docs/
)
。
*
[
预言家:规模预测
](
https://research.fb.com/blog/2017/02/prophet-forecasting-at-scale/
)
,2017 年。
*
[
规模预测
](
https://peerj.com/preprints/3190/
)
,2017 年。
*
[
汽车销量数据集
](
https://raw.githubusercontent.com/jbrownlee/Datasets/master/monthly-car-sales.csv
)
。
*
[
包装‘
先知
’,R 文件
](
https://cran.r-project.org/web/packages/prophet/prophet.pdf
)
。
*
[
包装‘
Prophet
’,R 文件
](
https://cran.r-project.org/web/packages/prophet/prophet.pdf
)
。
## 摘要
在本教程中,您发现了如何使用脸书
先知
库进行时间序列预测。
在本教程中,您发现了如何使用脸书
Prophet
库进行时间序列预测。
具体来说,您了解到:
*
Prophet 是一个由脸书开发的开源库,设计用于单变量时间序列数据的自动预测。
*
如何拟合预言家模型并使用它们进行样本内和样本外预测。
*
如何在搁置数据集上评估
先知
模型。
*
如何在搁置数据集上评估
Prophet
模型。
**你有什么问题吗?**
在下面的评论中提问,我会尽力回答。
\ No newline at end of file
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录