Штрафы L1 и переставленные оценки характеристик В прогнозном моделировании результаты хороши ровно настолько, насколько хороши входные данные, добавленные в модель. Во временных рядах основная проблема выбора входных данных модели заключается в том, как лучше всего представить историю ряда, чтобы предсказать его будущее. Мы можем разбить ряд на его основные компоненты: тренд, сезонность и остаток, но со сложными наборами данных это может быть трудно сделать точно правильно. Возьмем,..

RobustPCA для прогнозирования временных рядов и обнаружения аномалий Введение Надежный анализ главных компонентов (RobustPCA) — это усовершенствованный метод разложения матрицы временных рядов на компонент низкого ранга и разреженный компонент. Это разложение позволяет идентифицировать основные тенденции, а также обнаруживать аномалии и выбросы. В этом посте мы углубимся в математические основы RobustPCA, обсудим его преимущества, изучим его реализацию и предоставим визуализации,..