随着智能电表日益普及以及太阳能电池板等发电技术的广泛应用，产生了大量的电力使用数据。这些数据代表了与电力相关的变量的多变量时间序列，进而可用于建模甚至预测未来的电力消耗。与其他机器学习 [...]
作者归档 | Jason Brownlee
用于多步时间序列预测的卷积神经网络
随着智能电表日益普及以及太阳能电池板等发电技术的广泛应用，产生了大量的电力使用数据。这些数据代表了与电力相关的变量的多变量时间序列，进而可用于建模甚至预测未来的电力消耗。与其他机器学习 [...]
使用机器学习进行多步时间序列预测以预测用电量
随着智能电表日益普及以及太阳能电池板等发电技术的广泛应用，产生了大量的电力使用数据。这些数据代表了与电力相关的变量的多变量时间序列，进而可用于建模甚至预测未来的电力消耗。机器学习算法预测 [...]
家庭用电量的自回归预测模型
随着智能电表日益普及以及太阳能电池板等发电技术的广泛应用，产生了大量的电力使用数据。这些数据代表了与电力相关的变量的多变量时间序列，进而可用于建模甚至预测未来的电力消耗。自相关模型非常 [...]
评估用于预测家庭用电量的朴素模型
随着智能电表日益普及以及太阳能电池板等发电技术的广泛应用，产生了大量的电力使用数据。这些数据代表了与电力相关的变量的多变量时间序列，进而可用于建模甚至预测未来的电力消耗。在本教程中，您 [...]
如何加载和探索家庭用电量数据
随着智能电表日益普及以及太阳能电池板等发电技术的广泛应用，产生了大量的电力使用数据。这些数据代表了与电力相关的变量的多变量时间序列，进而可用于建模甚至预测未来的电力消耗。在本教程中，您 [...]
用于人类活动识别的深度学习模型
人类活动识别，或称 HAR，是一项具有挑战性的时间序列分类任务。它涉及根据传感器数据预测人的运动，传统上需要深厚的领域知识和信号处理方法，以便从原始数据中正确地工程化特征以适应机器学习模型。最近，深度学习方法 [...]
用于人类活动识别时间序列分类的长短期记忆神经网络
人类活动识别是将由专用服装或智能手机记录的加速度计数据序列分类为已知明确定义的运动的问题。该问题的经典方法包括根据固定大小的窗口从时间序列数据中手工制作特征，并训练机器学习模型，例如决策树的集成。困难之处在于 [...]
1D 卷积神经网络模型用于人类活动识别
人类活动识别是将由专用服装或智能手机记录的加速度计数据序列分类为已知明确定义的运动的问题。该问题的经典方法包括根据固定大小的窗口从时间序列数据中手工制作特征，并训练机器学习模型，例如决策树的集成。困难之处在于 [...]
评估用于人类活动识别的机器学习算法
人类活动识别是将由专用服装或智能手机记录的加速度计数据序列分类为已知明确定义的运动的问题。该问题的经典方法包括根据固定大小的窗口从时间序列数据中手工制作特征，并训练机器学习模型，例如决策树的集成。困难之处在于 [...]