كتب الذكاء الاصطناعيمشاريع الذكاء الاصطناعيمقالات الذكاء الاصطناعيمعجم الذكاء الاصطناعياسئلة واجوبة في الذكاء الاصطناعيأكاديمية الذكاء الاصطناعي للأطفالأكاديمية الذكاء الاصطناعيمدرسة رياضيات الذكاء الاصطناعيمختبر الذكاء الاصطناعيمختبر الخوارزميات المستوحاة من الطبيعةأطلس نماذج الذكاء الاصطناعيموسوعة تطبيقات الذكاء الاصطناعيمستكشف مجموعات البيانات للذكاء الاصطناعياختبارات الذكاء الاصطناعيالفايب كودينغدليل البرمجة بالذكاء الاصطناعيمولّد مشاريع الذكاء الاصطناعيمرصد الذكاء الاصطناعيدليل أدوات الذكاء الاصطناعي البحث والنشر الأكاديميمكتبة البرومبتات الأكاديميةمستودع الرسائل والأطاريح في الذكاء الاصطناعيحاسبة الترقية العلميةمختبر التنبؤ بالسلاسل الزمنيةمتحف الذكاء الاصطناعيمختبر الرؤية الحاسوبيةمختبر معالجة اللغة الطبيعيةمختبر الحوسبة الكمّيةخرائط طريق الذكاء الاصطناعي

الانحدار الخطي على التأخيرات

Linear Regression

يحوّل التنبؤ إلى مسألة انحدار: الهدف y_t والخصائص قيم سابقة وخصائص تقويم. تُبنى الخصائص من القيم السابقة فقط (Lags، تأخير موسمي، متوسط متحرك للماضي، خصائص تقويم)، ويكون التنبؤ متعدد الخطوات تكرارياً (Recursive).

يعمل في المتصفحيحتاج محرك Pythonالمستوى الثالث: التعلم الآلي

جرّب هذا النموذج في المختبر

المبدأ

ŷ_t = β₀ + Σ β_j x_{t,j} تُقدّر بالمربعات الصغرى العادية.

\hat{\beta}=(X^\top X)^{-1}X^\top y

متطلبات البيانات

عدد صفوف أكبر بكثير من عدد الخصائص.

المعاملات

lags
عدد التأخيرات
target
القيمة أو الفرق الأول

المزايا

  • سريع وقابل للتفسير
  • يستقرئ الاتجاه الخطي

العيوب

  • خطي
  • تراكم الخطأ في التنبؤ التكراري

الاستخدامات

  • خط أساس للتعلم الآلي
  • سلاسل ذات علاقات خطية

مثال تطبيقي

على المسافرين جواً مع 12 تأخيراً يقترب أداؤه من هولت-وينترز لأن العلاقة بين الشهر والشهر نفسه قبل سنة شبه خطية.

أخطاء شائعة

  • تقسيم عشوائي للبيانات بدل التقسيم الزمني (تسرب المستقبل)

المراجع

  1. scikit-learn: LinearRegression
  2. scikit-learn: TimeSeriesSplit

من المستوى نفسه

يعمل في المتصفحيحتاج محرك Python انحدار ريدج Ridge Regression انحدار خطي مع عقوبة L2 على المعاملات تقلل التباين حين تكون التأخيرات مترابطة. تُبنى الخصائص من القيم السابقة فقط (Lags، تأخير موسمي، متوسط متحرك للماضي، خصائص تقويم)، ويك… يعمل في المتصفحيحتاج محرك Python الغابة العشوائية للانحدار Random Forest Regressor متوسط عدد كبير من أشجار الانحدار المدربة على عينات bootstrap. تُبنى الخصائص من القيم السابقة فقط (Lags، تأخير موسمي، متوسط متحرك للماضي، خصائص تقويم)، ويكون التنبؤ متعدد… يعمل في المتصفحيحتاج محرك Python التعزيز التدرجي Gradient Boosting يضيف أشجاراً صغيرة تباعاً، تتعلم كل منها بواقي سابقاتها. تُبنى الخصائص من القيم السابقة فقط (Lags، تأخير موسمي، متوسط متحرك للماضي، خصائص تقويم)، ويكون التنبؤ متعدد الخطو… يعمل في المتصفحيحتاج محرك Python XGBoost XGBoost تعزيز تدرجي يستخدم تقريباً من الدرجة الثانية وتنظيماً على أوزان الأوراق (λ) وعدد الأوراق (γ). تُبنى الخصائص من القيم السابقة فقط (Lags، تأخير موسمي، متوسط متحرك للماضي، خ…