Рассмотрим инструмент AtsPy для прогнозирования временных рядов

Часто наборы данных, с которыми приходится работать, содержат большое количество признаков, число которых может достигать нескольких сотен и даже тысяч. При построении модели машинного обучения не всегда понятно, какие из признаков действительно для неё важны (т.е. имеют связь с целевой переменной), а какие являются избыточными (или шумовыми). В данной статье мы рассмотрим статистические методы отбора признаков в задачах машинного обучения.

Разработка стратегии для торговли ценными бумагами является сложной задачей. Стратегия, прибыльная сегодня, может завтра принести убыток. Волатильность рынка затрудняет предсказание доходности сделок.
Как решить задачу за 8 шагов.

Сегодня разберем одну из самых понятных задач для людей, которые не так часто сталкиваются с Data Science, а именно будем предсказывать будущее. Думаю, каждый из нас наблюдал в СМИ курс доллара к рублю, который является простейшим примером временных рядов. В данной статье мы попытаемся предсказать курс биткоина (закон о цифровых активах в РФ вступил в силу 1 января 2021 года) на территории на несколько дней вперед с помощью нейронных сетей.

Доброе утро вторника!
Поговорим сегодня про последовательность наблюдений, упорядоченных во времени, а именно про анализ временных рядов. Данная совокупность методов нужна для того, чтобы спрогнозировать будущее поведение процесса и в дальнейшем принять эффективное решение.