Прогнозирование временных рядов с помощью Facebook Prophet, ETNA, Sktime и LinkedIn Greykite
Прогнозирование – одна из задач науки о данных, которая является центральной для многих видов деятельности внутри организации. Книга посвящена популярным библиотекам прогнозирования временных рядов Prophet, sktime, ETNA и Greykite. ? азбирается математический аппарат и API каждой библиотеки. Показаны примеры решения задач прогнозирования, классификации и кластеризации временных рядов, проиллюстрированы темы конструирования и отбора признаков для временных рядов.
В качестве примеров прогнозирования используются данные из самых разных областей – уровень углекислого газа в атмосфере, циклы солнечных пятен, количество местных осадков, число лайков в популярных соцсетях и др.
Издание будет интересно специалистам по data science, регулярно решающим задачи с временными рядами. Для изучения материала желателен опыт работы на Python и базовые знания в области машинного обучения.
Prophet, ETNA, sktime и Greykite для анализа данных
Материал будет полезен специалистам, которые хотят научиться работать с временными рядами в Prophet и sktime, а также познакомиться с возможностями ETNA и LinkedIn Greykite. Рассматриваются математические основы библиотек и их программные интерфейсы.
Отдельное внимание уделяется признакам для временных рядов — их конструированию и отбору для последующего построения прогнозных моделей. Такие методы помогают подготовить исходные данные и повысить информативность моделей.
Книга также рассматривает классификацию и кластеризацию временных рядов, поэтому подойдет не только для прогнозирования, но и для более широкого анализа динамических данных. Примеры охватывают атмосферные показатели, солнечную активность, осадки и данные социальных сетей.
