Model przewidywania
205 PLN
Problemem jest:
Istnieją historyczne dane dotyczące liczby pasażerów.Do obsługi sprzętu na transporcie potrzebny jest miesiąc z przodu
Przygotowanie harmonogramu wyjścia na pracę personelu serwisowego.Jest to model przewidywania.
Przegląd jest tylko na jeden dzień, a nie na miesiąc, zgodnie z wymaganiami.Zadanie :
Podaj istniejący model lub zaproponuj swój, który na danych historycznych uczy się i zrobi
Prognoza podróży pasażerów na dzień na miesiąc.Dokładność prognozy 90-95% (w tym modelu przy różnych ustawieniach dokładność osiąga 95%).Okres przewidywania powinien być kontynuowany przez istniejący harmonogram w kolorze czerwonym.Istniejące wady:
Model w obliczeniach wykorzystuje 50 ostatnich dni??Czyżby?- Chciałbym, aby wszystkie ilości danych były wykorzystywane (można się pomylić, w ML nie jest długi).Przy tworzeniu grafiki pojawia się ostrzeżenie - naprawić.Podczas pisania kodu dodać komentarze, aby podczas użycia można było z zrozumieniem zmienić parametry.Odniesienie do modelu:
https://colab.research.google.com/drive/1PBhY35PIGBe_vh8783re44HAW19E-4ai?usp=sharing
Link do pliku z danymi za ostatni rok:
https://drive.google.com/file/d/1dZ1N1F9ZvbhGiCnOKYuMDU8EBRMSkLL-/view?usp=sharing
/
Problemem jest:
Istnieją historyczne dane dzienne dotyczące liczby podróży pasażerów.Do obsługi sprzętu na transporcie wymagane jest miesiąc wcześniej
Ustaw harmonogram wyjścia na pracę personelu serwisującego.istnieje model przewidywania,
Który pokazuje prognozę tylko na jeden dzień, a nie na miesiąc, jak jest wymagane.Zadanie :
Przygotuj istniejący model lub zaproponuj swój, który na danych historycznych będzie się uczył i zrobił
Prognoza podróży pasażerów na dzień na miesiąc wstecz.Dokładność prognozy 90-95% (w danym modelu przy różnych ustawieniach dokładność osiąga 95%).Program przewidywania powinien być kontynuowany istniejący harmonogram w kolorze czerwonym.Istniejące niedobory:
Model w obliczeniach wykorzystuje 50 ostatnich dni?Czyżby?- Chciałbym, żeby cały objętość danych była wykorzystywana (tu mogę się pomylić, w ML nie jest silen).Podczas tworzenia harmonogramu pojawia się ostrzeżenie - naprawić.Podczas pisania kodu dodać komentarze, aby przy użyciu było możliwe z zrozumieniem zmienić parametry.Odniesienie do modelu:
https://colab.research.google.com/drive/1PBhY35PIGBe_vh8783re44HAW19E-4ai?usp=sharing
Odniesienie do pliku z danymi za ostatni rok:
https://drive.google.com/file/d/1dZ1N1F9ZvbhGiCnOKYuMDU8EBRMSkLL-/view?usp=sharing
/
problematyka :
Istnieją historyczne dane dzienne dotyczące liczby podróży pasażerów.Utrzymanie sprzętu w transporcie wymaga miesiąca wstępnego
draw up a schedule for the entry to work of service personnel.Jest to model przewidywania.
co pokazuje prognozę tylko na jeden dzień, a nie na miesiąc, jak wymagane.A zadania :
Refine istniejący model lub zaoferuj swój własny, który będzie trenować na danych historycznych i
Przewidywanie podróży pasażerów przez miesiąc z wyprzedzeniem.Precyzja prognozy wynosi 90-95% (dla tego modelu, z różnymi ustawieniami, dokładność osiąga 95%).Przegląd chart powinien kontynuować istniejący chart w czerwonym.Istniejące shortcomings:
Czy model wykorzystuje ostatnie 50 dni w swoich obliczeniach??Czyżby?- I would like the entire amount of data to be used (I could be wrong here, it's not strong in ML).Warning appears when the chart is being formed - naprawić.When writing the code, add comments so that when using it I can change the parameters with understanding. - Kiedy piszesz kod, dodaj komentarze tak, że przy użyciu go mogę zmienić parametry z zrozumieniem.Model referencyjny :
https://colab.research.google.com/drive/1PBhY35PIGBe_vh8783re44HAW19E-4ai?usp=sharing
Link to file with data for the last year:
https://drive.google.com/file/d/1dZ1N1F9ZvbhGiCnOKYuMDU8EBRMSkLL-/view?usp=sharing
Варіант, коли за основу взято "one step prediction" і на його основі робиться 30 step prediction - не підходить. Такий варіант випробуваний і він дає помилкові результати.
/
Вариант, когда берётся "one step prediction" о на его основе делается 30 step prediction - не подходит. Такой вариант опробован и он даёт ошибочные результаты.
/
The option when "one step prediction" is taken as a basis and 30 step prediction is made on its basis is not suitable. This option has been tested and gives erroneous results.
X_FUTURE = 30
predictions = np.array([])
last = x_test[-1]
for i in range(X_FUTURE):
curr_prediction = model.predict(np.array([last]))
last = np.concatenate([last[1:], curr_prediction])
predictions = np.concatenate([predictions, curr_prediction[0]])
predictions = scaler.inverse_transform([predictions])[0]
print(predictions)
import datetime
from datetime import timedelta
dicts = []
curr_date = data.index[-1]
for i in range(X_FUTURE):
curr_date = curr_date + timedelta(days=1)
dicts.append({'Predictions':predictions[i], "Date": curr_date})
new_data = pd.DataFrame(dicts).set_index("Date")
train = data
plt.figure(figsize=(22,11))
plt.title('Prediction model')
plt.xlabel('Date', fontsize=18)
plt.ylabel('Pass trips (units)', fontsize=18)
plt.plot(train['Pass'])
plt.plot(new_data['Predictions'])
plt.legend(['Train', 'Predictions'], loc='lower left')
plt.show()
Opinia zleceniodawcy o współpracy z freelancerem
Model przewidywaniaDziękuję ! Wszystko zrobione z zrozumieniem. Wszystko w porządku!
Opinia freelancera o współpracy z Viktor Chekin
Model przewidywaniaИдеал заказчика!
Мне просто дали задание, я его выполнил.
Чётко поставил цель, сроки, цену и т.д.
-
Добрый вечер.
Интересуют ориентировочные сроки.
С уважением, Сергей
-
Добрый день!
Срок до конца месяца. И не обязятельно этого). Основной критерий - точность расчётов. Если кросс-валидация покажет точность ниже 90% - то с такой точностью я вручную график составляю. Нужно точнее.
-
Добрый вечер.
Что сроки не горят - хорошо.
Посмотрел код (то, что Вы назвали ссылкой на модель).
Использование LSTM для time series с одной переменной кажется несколько избыточным.
Посмотрю что можно сделать обычным ts-forecasting, самому интересно.
С уважением, Сергей -
Вспомнился анекдот об избыточной занятости:
Встречаются как-то директор белорусского предприятия и директор японского предприятия. Предприятия выпускают одинаковую продукцию и в одинаковом объеме. Директор белорусского предприятия спрашивает у японца:
– А сколько у тебя на предприятии людей работает?
– Девять – отвечает японец – А у тебя?
У белоруса на самом деле работало 500 человек, но ему неудобно было об этом говорить, и он сказал, что 10.
На следующий день японец говорит: «Слушай, я всю ночь не спал. Думал: а что у тебя 10-й делает?»
Так вот избыточность LSTM в данном крнкретном случае меня полностью устраивает, поскольку когда начинаются избыточность / недостаточность по персоналу, то закрывать такие просадки дорого обходится.
-
Вы неверно истолковали написанное.
"Избыточность" в смысле стрельбы из пушки по воробьям. В данном случае даже скорее из орудия резерва Главного командования.
-
И да, использование всего исторического периода - плохая мысль.
Обычно используют либо те же периоды предыдущих лет для учета сезонности, либо последние данные с фильтром затухания значимости (чем дальше, тем меньше данные влияют на предсказания)
-
Согласен с Вами. Сейчас так и делаю. Вручную. Когда пассажиров 140К - это одни расчёты и с ними я ещё справляюсь, а когда их переваливает за 400К, тогда всё намного сложней.
-
Aktualne zlecenia dla freelancerów w kategorii AI i uczenie maszynowe
Automatyzacja procesów przez API i PythonaPoniżej opisałem aktualny proces i to, do jakiego wyniku chciałbym dojść. Dołączam również pliki rzeczywistego procesu, aby lepiej zrozumieć, jak on wygląda w rzeczywistości Aktualny proces Obecnie cały proces wykonywany jest ręcznie: ładowanie/wyładowanie plików,… AI i uczenie maszynowe, Python ∙ 4 godziny 28 minut temu ∙ 29 ofert |
Znalezienie i wdrożenie najlepszych projektów dla 4 maszyn Mac Mini M4
834 PLN
Znajdowanie i wdrażanie najlepszych projektów dla 4 maszyn Mac Mini M4Witam,Szukam doświadczonego technicznego freelancera, który rozumie sprzęt Mac Mini M4, DePIN, węzły blockchain, wnioskowanie AI, systemy automatyzacji, Docker i monitorowanie serwerów.Obecnie posiadam 4… AI i uczenie maszynowe, Kryptowaluty i blockchain ∙ 15 godzin 45 minut temu ∙ 7 ofert |
Opracowanie konsultanta AI dla strony internetowej do weryfikacji wiz pracowniczych (WordPress)Opracowanie AI-konsultanta dla strony internetowej do sprawdzania wiz pracowniczych (WordPress) O projekcie Tworzona jest anglojęzyczna strona internetowa do wstępnej weryfikacji możliwości uzyskania wizy pracowniczej do Izraela. Potrzebny jest AI-konsultant w formacie czatu… AI i uczenie maszynowe, Tworzenie chatbota ∙ 23 godziny 5 minut temu ∙ 32 oferty |
II agenci i aplikacje
2213 PLN
Szukam osoby, która już pracuje z agentami AI, które stworzyła, która wie, jak zapewnić bezpieczeństwo, uruchomić serwer, stworzyć aplikacje AI - osoby, która już ma praktyczne doświadczenie z AI na "TY". Po co szukam? Żeby mnie nauczyła, jak to robić, bo chcę dodać agentów… AI i uczenie maszynowe, AI consult ∙ 2 dni 6 godzin temu ∙ 18 ofert |
Generator stron internetowych (AI)potrzebna strona do generowania stron nawet najprostsza - przygotowano 20 szablonów i już dobiera najbardziej potrzebny generowanie stron odbywa się na podstawie jednego promptu (opis firmy) interesuje proste rozwiązanie i płatność nie za wszystkie pieniądze świata AI i uczenie maszynowe ∙ 5 dni 15 godzin temu ∙ 32 oferty |
Winnica