Лекция 9. Прогнозирование на основе регрессионной модели
https://compscicenter.ru/
Прогнозирование на основе регрессионной модели с сезонными индикаторными (фиктивными, структурными) переменными. Тренд, сезонные составляющие, смена характера ряда, выбросы. Логарифмирование – прием для преобразования мультипликативной сезонности в аддитивную. Индикаторные переменные. Переобучение.
Случай нескольких сезонных составляющих.
Лекция №9 в курсе "Анализ данных на Python в примерах и задачах. Часть 1" (весна 2018).
Преподаватель курса: Вадим Леонардович Аббакумов
Видео Лекция 9. Прогнозирование на основе регрессионной модели канала Computer Science Center
Прогнозирование на основе регрессионной модели с сезонными индикаторными (фиктивными, структурными) переменными. Тренд, сезонные составляющие, смена характера ряда, выбросы. Логарифмирование – прием для преобразования мультипликативной сезонности в аддитивную. Индикаторные переменные. Переобучение.
Случай нескольких сезонных составляющих.
Лекция №9 в курсе "Анализ данных на Python в примерах и задачах. Часть 1" (весна 2018).
Преподаватель курса: Вадим Леонардович Аббакумов
Видео Лекция 9. Прогнозирование на основе регрессионной модели канала Computer Science Center
Показать
Комментарии отсутствуют
Информация о видео
Другие видео канала
Лекция 10. Деревья классификации и регрессии«Как визуализировать данные за две минуты, или Python для анализа данных». Павел Кнорр, DataArt.Лекция 10 Прогнозирование временных рядовПростой прогноз продаж в Excel с учетом сезонностиМатематические методы прогнозирования объемов продаж — Константин Воронцов008. Прогнозирование временных рядов - К.В. ВоронцовАнализ и прогнозирование временных рядовВалерий Рубаков: "Бозон Хиггса открыт. Что дальше?"Лекция «Нью-Йорк, Нью-Йорк» | Владимир ПознерЛекция 1. Описательные статистики. Квантили, квартили. ГистограммыЛекция 5. Проверка статистических гипотез (теоретическое введение)Топологический анализ временных рядов для прогнозирования спроса – Евгений БурнаевПрогнозирование на основе регрессионных моделей на примере рекламной кампанииКак НА САМОМ ДЕЛЕ работает нейросеть?Лекция 12. Boosting. Gradient boosting machine. Ключевые параметры моделиПрогнозирование спроса в Х5 Retail Group - Валерий БабушкинЛекция 8. Линейная регрессияПрогнозирование с помощью инструментов MS Excel | ИРТС | Морозова ДарьяЛекция 11. Random forest