Descripción
Cree y mejore pronósticos automatizados de alta calidad para datos de series temporales que tengan fuertes efectos estacionales, días festivos y regresores adicionales usando Python.
Características clave
- Aprenda a utilizar la herramienta de pronóstico de código abierto Facebook Prophet para mejorar sus pronósticos.
- Cree un pronóstico y ejecute diagnósticos para comprender la calidad del pronóstico.
- Ajuste los modelos para lograr un alto rendimiento e informe ese rendimiento con estadísticas concretas.
Descripción del libro
Prophet permite a los desarrolladores de Python y R crear pronósticos de series de tiempo escalables. Este libro le ayudará a implementar las técnicas de pronóstico de vanguardia de Prophet para modelar datos futuros con mayor precisión y con muy pocas líneas de código.
Comenzará explorando la evolución del pronóstico de series de tiempo, desde los modelos básicos iniciales hasta los modelos avanzados de la actualidad. El libro demostrará cómo instalar y configurar Prophet en su máquina y construir su primer modelo con solo unas pocas líneas de código. Luego cubrirá características avanzadas como la visualización de sus pronósticos, la adición de días festivos, estacionalidad y puntos de cambio de tendencia, el manejo de valores atípicos y más, junto con la comprensión de por qué y cómo modificar cada uno de los parámetros predeterminados. Los capítulos posteriores le mostrarán cómo optimizar modelos más complicados con ajuste de hiperparámetros y agregando regresores adicionales al modelo. Finalmente, aprenderá cómo ejecutar diagnósticos para evaluar el rendimiento de sus modelos y verá algunas características útiles al ejecutar Prophet en entornos de producción.
Al final de este libro de Prophet, podrá tomar un conjunto de datos de series de tiempo sin procesar y construir modelos de pronóstico avanzados y precisos con código conciso, comprensible y repetible.
Lo que aprenderá
- Comprender el pronóstico de series de tiempo, incluida su historia, desarrollo y usos.
- Comprender cómo instalar Prophet y sus dependencias.
- Construir modelos de pronóstico prácticos a partir de conjuntos de datos reales utilizando Python.
- Comprender la serie de Fourier y aprender cómo modela la estacionalidad.
- Decidir cuándo usar estacionalidad aditiva y cuándo usar estacionalidad multiplicativa.
- Descubrir cómo identificar y tratar los valores atípicos en los datos de series de tiempo.
- Ejecutar diagnósticos para evaluar y comparar el rendimiento de sus modelos.
A quién va dirigido este libro
Este libro está dirigido a científicos de datos, analistas de datos, ingenieros de aprendizaje automático, ingenieros de software, gerentes de proyectos y gerentes de negocios que desean construir pronósticos de series de tiempo en Python. El conocimiento práctico de Python y una comprensión básica de los principios y prácticas de pronóstico serán útiles para aplicar los conceptos cubiertos en este libro más fácilmente.
Autor: Greg Rafferty
Editorial: Packt Publishing
Publicado: 12/03/2021
Páginas: 270
Tipo de encuadernación: Tapa blanda
Peso: 1.03 libras
Tamaño: 9.25h x 7.50w x 0.57d
ISBN13: 9781800568532
ISBN10: 1800568533
Categorías BISAC:
- Informática | Teoría de las máquinas
- Informática | Ciencia de datos | Redes neuronales
Este título no es retornable