-
Прогнозирование трафика и конверсий сайта с помощью SVM, SVR (опорных векторов)
Данные веб-аналитики являются многомерными. И хорошо бы чтобы модель машинного обучения учитывала это. SVM (Support Vector Machines) и SVR (Support Vector Regression) — это мощные алгоритмы машинного обучения, которые отлично подходят для работы с многомерными данными. Когда мы анализируем трафик и конверсии, мы имеем дело с множеством факторов: источники трафика, поведение пользователей на сайте, сезонность,…
-
Анализ акций Tesla с помощью Python
Целью этого проекта был анализ возможностей Python для исследования цен на акции. Легенда этого исследования такова: некий инвестор хочет инвестировать в акции Tesla, потому что он видит хорошую тенденцию к росту на многочисленных биржевых сайтах. Я, как аналитик, должен ответить ему хорошее ли сейчас время для покупки или нет. Поскольку Python сам строит графики, а…
-
Сглаживание временных рядов и шума в данных с помощью Kalman Filter
В мире анализа данных и машинного обучения мы часто сталкиваемся с временными рядами, которые содержат значительное количество шума. Этот шум может затруднять выявление истинных закономерностей и трендов, критически важных для принятия обоснованных решений. Именно поэтому сглаживание временных рядов и фильтрация шума стали неотъемлемой частью предобработки данных в различных областях: от финансового прогнозирования до управления автономными…
-
Прогнозирование трафика и конверсий сайта с помощью Prophet
Prophet — это библиотека с открытым исходным кодом, разработанная специально для прогнозирования временных рядов. Она основана на декомпозиционной модели, которая учитывает тренд, сезонность и праздничные эффекты. Prophet особенно хорошо подходит для задач прогнозирования с сильными сезонными паттернами и несколькими циклами в исторических данных. Ключевые особенности Prophet: Простота использования: не требует глубоких знаний в области статистики…
-
Прогнозирование трафика и конверсий сайта с помощью LightGBM
LightGBM (Light Gradient Boosting Machine) — это высокоэффективная реализация градиентного бустинга, которая в последние годы завоевала популярность среди специалистов по машинному обучению благодаря своей скорости и точности. В этой статье мы глубоко погрузимся в то, как использовать LightGBM для прогнозирования ключевых метрик веб-сайта, рассмотрим конкретные примеры кода и обсудим лучшие практики. Почему LightGBM является эффективным…
-
Новейшие модели прогнозирования временных рядов
Прогнозирование временных рядов — одна из важнейших задач в области data science. Долгое время эти задачи не доверяли нейронным сетям: исследователи предпочитали использовать быстрые, надежные и понятные методы классического машинного обучения. К тому же, точность нейронок в таких задачах оставляла желать лучшего. Однако, в последние годы кое-что изменилось — нейросети начали побеждать классические ML алгоритмы…