Time series Analysis using LSTM RNN and GRU
1.0.0
Здесь я реализую некоторые структуры RNN, такие как RNN, LSTM и GRU, чтобы лучше понять модели глубокого обучения для прогнозирования временных рядов. Я работал над некоторыми методами проектирования признаков, которые широко применяются при прогнозировании временных рядов, такими как горячее кодирование, запаздывание и циклические временные характеристики. Используемые библиотеки: Scikit-learn, Pandas и PyTorch, библиотека машинного обучения с открытым исходным кодом. Я следил за этой замечательной статьей, более подробную информацию вы можете найти по этой ссылке. Это даст вам подробную информацию об этом. Набор данных временных рядов, который я использую, взят из данных о почасовом энергопотреблении PJM, одномерного набора данных временных рядов, состоящего из более чем 10-летних почасовых наблюдений, собранных из разных регионов США. Из всех файлов я работаю с данными восточного региона PJM, которые изначально содержат данные о почасовом энергопотреблении с 2001 по 2018 год, но вы можете использовать любой набор данных.
