KnownForecastingModels enum

Açıklayıcı Değişkenli Otoregresif Entegre Hareketli Ortalama (ARIMAX) modeli, bir veya daha fazla otoregresif (AR) terim ve/veya bir veya daha fazla hareketli ortalama (MA) terimi içeren çoklu regresyon modeli olarak görülebilir. Bu yöntem, veriler durağan/durağan olmadığında ve herhangi bir veri modeli türüyle, yani seviye/eğilim/mevsimsellik/döngüsellik ile çok değişkenli olduğunda tahmin yapmak için uygundur.

Otomatik Otoregresif Entegre Hareketli Ortalama (ARIMA) modeli, verileri yorumlamak ve geleceğe yönelik tahminlerde bulunmak için zaman serisi verilerini ve istatistiksel analizleri kullanır. Bu model, geçmiş değerlerine ilişkin zaman serisi verilerini kullanarak verileri açıklamayı amaçlar ve tahminlerde bulunmak için doğrusal regresyon kullanır.

Ortalama tahmin modeli, eğitim verilerindeki her zaman serisi için hedef değerlerin ortalamasını ileriye taşıyarak tahminlerde bulunur.

Karar Ağaçları, hem sınıflandırma hem de regresyon görevleri için kullanılan parametrik olmayan denetimli bir öğrenme yöntemidir. Amaç, veri özelliklerinden çıkarılan basit karar kurallarını öğrenerek bir hedef değişkenin değerini tahmin eden bir model oluşturmaktır.

Elastik ağ, iki popüler cezayı, özellikle de L1 ve L2 ceza fonksiyonlarını birleştiren popüler bir düzenli doğrusal regresyon türüdür.

Üstel düzeltme, sistematik bir eğilim veya mevsimsel bileşene sahip verileri desteklemek için genişletilebilen tek değişkenli veriler için bir zaman serisi tahmin yöntemidir.

Extreme Trees, birçok karar ağacından gelen tahminleri birleştiren bir topluluk makine öğrenimi algoritmasıdır. Yaygın olarak kullanılan rastgele orman algoritması ile ilgilidir.

Hafta öğrencilerini güçlü bir öğrenciye dönüştürme tekniğine Boosting denir. Gradyan artırma algoritması süreci, bu yürütme teorisi üzerinde çalışır.

K-en yakın komşular (KNN) algoritması, yeni veri noktalarının değerlerini tahmin etmek için 'özellik benzerliğini' kullanır, bu da yeni veri noktasına, eğitim setindeki noktalarla ne kadar yakından eşleştiğine bağlı olarak bir değer atanacağı anlamına gelir.

En Küçük Açı Regresyonu a.k.a. Lars ile uyumlu kement modeli. Düzenleyici olarak önceden L1 ile eğitilmiş bir Doğrusal Modeldir.

LightGBM, ağaç tabanlı öğrenme algoritmalarını kullanan bir gradyan artırma çerçevesidir.

Naif tahmin modeli, eğitim verilerindeki her zaman serisi için en son hedef değeri ileriye taşıyarak tahminlerde bulunur.

Prophet, doğrusal olmayan eğilimlerin yıllık, haftalık ve günlük mevsimsellik ve tatil etkileriyle uyumlu olduğu toplamsal bir modele dayalı olarak zaman serisi verilerini tahmin etmeye yönelik bir prosedürdür. Güçlü mevsimsel etkileri ve birkaç sezonluk geçmiş verileri olan zaman serileriyle en iyi şekilde çalışır. Prophet, eksik verilere ve trenddeki değişimlere karşı dayanıklıdır ve genellikle aykırı değerleri iyi bir şekilde ele alır.

Rastgele orman, denetimli bir öğrenme algoritmasıdır. İnşa ettiği "orman", genellikle "torbalama" yöntemiyle eğitilmiş bir karar ağaçları topluluğudur. Torbalama yönteminin genel fikri, öğrenme modellerinin bir kombinasyonunun genel sonucu arttırmasıdır.

Mevsimsel Ortalama tahmin modeli, eğitim verilerindeki her zaman serisi için en son veri sezonunun ortalama değerini ileriye taşıyarak tahminlerde bulunur.

Mevsimsel Naif tahmin modeli, eğitim verilerindeki her zaman serisi için hedef değerlerin en son sezonunu ileriye taşıyarak tahminlerde bulunur.

SGD: Stokastik gradyan inişi, tahmin edilen ve gerçek çıktılar arasında en iyi uyuma karşılık gelen model parametrelerini bulmak için makine öğrenimi uygulamalarında sıklıkla kullanılan bir optimizasyon algoritmasıdır. Kesin olmayan ama güçlü bir tekniktir.

TCNForecaster: Zamansal Evrişimli Ağlar Tahmincisi. YAPILACAKLAR: Tahmin ekibinden kısa bir giriş isteyin.

XGBoostRegressor: Aşırı Gradyan Artırma Regretor, temel öğreniciler topluluğunu kullanan denetimli bir makine öğrenimi modelidir.