Skforecast: forecasting de series temporales con machine learning
Skforecast, librería de Python que facilita el uso de modelos scikit-learn para problemas de forecasting y series temporales.
Modelos ARIMA y SARIMAX con Python
Modelos ARIMA y SARIMAX para la predicción de series temporales.
Forecasting series temporales con gradient boosting: Skforecast, XGBoost, LightGBM y CatBoost
Ejemplo de cómo predecir el número de usuarios del sistema de alquier de bibicletas urbanas utilizando modelos de gradient boosting en python.
Forecasting de la demanda eléctrica con machine learning
Ejemplo de cómo predecir la demanda de energía eléctrica con modelos de machine learning.
Multi-series forecasting con Python y Skforecast
Modelos de forecasting para predecir múltiples series temporales de forma simultánea.
Forecasting con modelos de deep learning
Forecasting utilizando modelos basados redes neuronales RNN y LSTM
Forecasting probabilístico
Métodos con los que estimar intervalos de predicción para modelos de machine learning aplicados a problemas de forecasting.
Forecasting de demanda intermitente con Python y Skforecast
Predicción de demanda intermitente con modelos de machine learning y skforecast.
Forecasting de las visitas a una página web
Ejemplo de cómo predecir el tráfico de una web utilizando modelos de machine learning con Python.
Predicción del precio de Bitcoin con Python
Ejemplo de cómo utilizar modelos de forecasting para predecir el precio de la criptomoneda Bitcoin y estudio de las implicaciones que aparecen cuando una serie temporal no tenga ningún patrón.
Reducir el impacto del covid-19 en modelos de forecasting
Ejemplo de cómo atenuar el impacto del covid y otros periodos anomalos en series temporales a la hora de entrenar modelos de forecasting
Hacer una donación
¡Colabora en mantener las puertas del conocimiento abiertas! Si nuestros artículos te han ayudado a progresar en tu formación o carrera profesional, apreciaríamos enormemente tu apoyo. Tu contribución nos permite mantener esta plataforma accesible para todos y crear nuevos contenidos. Puedes hacerlo a través de PayPal o Github Sponsors ¡Son solo un par de clicks 😊😊!
