http://skillfactory.ru/ml-programma-machine-learning
Туториал про работе с временными рядами в Python
- Введение
- Основные определения, варианты постановки задачи
- Метрики качества прогнозов, R^2, MSE, MAE, MAPE и т.д.
- Движемся, сглаживаем и оцениваем
- Rolling window estimations + практика, прогнозируем оконными функциями, считаем качество
- Экспоненциальное сглаживание, простое, двойное и Holt-Winters + примеры с ручной настройкой параметров
- Кросс-валидация на временных рядах, подбор параметров + практика, оценка Holt-Winters с минимизацией ошибки на кросс-валидации на разных рядах
- Эконометрический подход
- Стационарность и единичные корни - интуиция теории + практика проверки разных рядов на стационарность, ADF
- Избавление от нестационарности, дифференцирование, сезонное дифференцирование, выделение трендов + практика, приводим ряд к стационарному виду
- ARIMA, немного интуиции, выбор начальных параметров модели по ACF, PACF, выбор параметров перебором, построение SARIMAX с подобранными параметрами
- Ограничения, недостатки эконометрического подхода
- Machine Learning для временных рядов
- Feature extraction, engineering, предобработка данных, какие признаки и как можно извлечь + практика, формируем датасет для моделей по ряду, пишем функцию для автогенерации признаков
- Линейные модели, обучаем, смотрим качество на кросс-валидации, оцениваем важность признаков
- Регуляризация, отбор признаков, сокращение признакового пространства, ridge, lasso, PCA
- Бустиг для временных рядов - ограничения и преимущества
- To Infinity and Beyond
- Facebook Prophet - автоматические прогнозы
- Что еще можно делать с временными рядами - RNN, LSTM