Prediction модель
2500 UAHМашинне навчання / Машинное обучение / Machine learning, Python
Проблематика:
Є історичні денні дані за кількістю поїздок пасажирів.
Для обслуговування обладнання на транспорті потрібно на місяць вперед
складати графік виходу на роботу обслуговуючого персоналу. Є Prediction модель,
яка показує прогноз тільки на один день, а не на місяць, як потрібно.
Завдання:
Допиляти існуючу модель або запропонувати свою, яка на історичних даних навчиться і зробить
прогноз поїздок пасажирів по днях на місяць вперед. Точність прогнозу 90-95% (У даній моделі при різних налаштуваннях точність добігає 95%).
Prediction графік повинен продовжувати існуючий графік червоним кольором.
Існуючі недоліки:
Модель в розрахунках використовує 50 останніх днів??? - хотілося б, щоб використовувався весь обсяг даних (тут можу помилятися, в ML не дужий).
При формуванні графіка з'являється Warning - виправити.
При написанні коду додати коментарі, щоб при використанні можна було з розумінням міняти параметри.
Посилання на модель:
https://colab.research.google.com/drive/1PBhY35PIGBe_vh8783re44HAW19E-4ai?usp=sharing
Посилання на файл з даними за останній рік:
https://drive.google.com/file/d/1dZ1N1F9ZvbhGiCnOKYuMDU8EBRMSkLL-/view?usp=sharing
/
Проблематика:
Есть исторические дневные данные по количеству поездок пассажиров.
Для обслуживания оборудования на транспорте требуется на месяц вперёд
составлять график выхода на работу обслуживающего персонала. Есть Prediction модель,
которая показывает прогноз только на один день, а не на месяц, как требуется.
Задача:
Допилить существующую модель или предложить свою, которая на исторических данных обучится и сделает
прогноз поездок пассажиров по дням на месяц вперёд. Точность прогноза 90-95% (У данной модели при разных настройках точность доходит до 95%).
Prediction график должен продолжать существующий график красным цветом.
Существующие недочёты:
Модель в расчётах использует 50 последних дней??? - хотелось бы, чтоб использовался весь объём данных (тут могу ошибаться, в ML не силён).
При формировании графика появляется Warning - исправить.
При написании кода добавить комментарии, чтоб при использовании можно было с пониманием менять параметры.
Ссылка на модель:
https://colab.research.google.com/drive/1PBhY35PIGBe_vh8783re44HAW19E-4ai?usp=sharing
Ссылка на файл с данными за последний год:
https://drive.google.com/file/d/1dZ1N1F9ZvbhGiCnOKYuMDU8EBRMSkLL-/view?usp=sharing
/
Problematic:
There is historical daily data on the number of passenger trips.
Maintenance of equipment in transport requires a month in advance
draw up a schedule for the entry to work of service personnel. There is a Prediction model,
which shows the forecast for only one day, and not for a month, as required.
A task:
Refine the existing model or offer your own, which will train on historical data and make
forecast of passenger trips by days for a month in advance.
The forecast accuracy is 90-95% (For this model, with different settings, the accuracy reaches 95%).
Prediction chart should continue the existing chart in red.
Existing shortcomings:
Does the model use the last 50 days in its calculations??? - 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 - fix it.
When writing the code, add comments so that when using it I can change the parameters with understanding.
Model reference:
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()
Відгук замовника про співпрацю з фрилансером
Prediction модельДякую вам! Все зроблено з розумінням. Все здорово!
Відгук фрилансера про співпрацю з Віктором Чекіним
Prediction модельИдеал 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.
-
Актуальні фриланс-проєкти в категорії AI та машинне навчання
Потрібен знавець N8N для автоматизації та побудови системи для ТікТок ферм
28 339 UAH
Ми з командою маркетингу займаємося тестуванням швидких ідей для додатків. Шукаємо людину на постійній основі для автоматизації процесів в N8N, точніше для побудови системи з нуля, а після підтримання її працездатності. Буду вдячний вам за відгук! *на жаль, не знаю приблизний… AI та машинне навчання, Адміністрування систем та мереж ∙ 6 годин 12 хвилин тому ∙ 16 ставок |
Розробка програмного забезпечення з ШІ
Потрібно розробити програмне забезпечення для автоматичного виявлення, захоплення та супроводження об'єкта за допомогою відеокамери та поворотного механізму.Вихідні дані: Відеокамера з оптикою. Поворотний пристрій по двох осях (азимут/кут місця). Сервоприводи з керуванням через… AI та машинне навчання, Python ∙ 13 годин 16 хвилин тому ∙ 12 ставок |
Автоматизація процесів через API та PythonНижче описав поточний процес і те, до якого результату хотілося б прийти. Також прикладаю файли реального процесу, щоб краще зрозуміти, як він виглядає в реальності Поточний процес Зараз весь процес виконується вручну: завантаження/вивантаження файлів, перенесення даних… AI та машинне навчання, Python ∙ 18 годин 21 хвилина тому ∙ 40 ставок |
Знаходження та впровадження найкращих проєктів для 4 Mac Mini M4 машин
10 150 UAH
Пошук і впровадження найкращих проектів для 4 Mac Mini M4Привіт,Я шукаю досвідченого технічного фрілансера, який розуміє апаратуру Mac Mini M4, DePIN, блокчейн-вузли, AI-інференцію, автоматизаційні системи, Docker та моніторинг серверів.У мене є 4 абсолютно нові стандартні Mac… AI та машинне навчання, Криптовалюта та blockchain ∙ 1 день 5 годин тому ∙ 8 ставок |
Розробка AI-консультанта для сайту перевірки робочих віз (WordPress)Розробка AI-консультанта для сайту перевірки робочих віз (WordPress) Про проект Розробляється англомовний сайт для попередньої перевірки можливості отримання робочої візи в Ізраїль. Необхідний AI-консультант у форматі онлайн-чату, який буде допомагати відвідувачам сайту… AI та машинне навчання, Розробка ботів ∙ 1 день 12 годин тому ∙ 35 ставок |
Вінниця