Maschinelles Lernsoftware Ressourcen

Univariate Zeitreihe: Kraken implementiert derzeit ein univariates Zeitreihenmodell, das Ähnlichkeiten mit den leistungsstärksten Modellen der Branche wie Auto-SARIMA aufweist. Die Zeitreihenmodellierung sucht nach Saisonalität und allgemeinen Wachstumstrends basierend auf historischen Daten. Dies ermöglicht es den Modellen, in die Zukunft für jede beliebige Zeitspanne vorherzusagen. Kraken prognostiziert 12 Monate in die Zukunft und kann tägliche, wöchentliche oder monatliche Daten verarbeiten. Es geht auch elegant mit fehlenden Tagen um. Der zurückgegebene Datensatz enthält das Datum, den tatsächlichen Wert, den vorhergesagten Wert, die obere Grenze und die untere Grenze (Grenzen bei einem 80% Konfidenzintervall) sowie markiert Ausreißer im Datensatz, die automatisch als Anomalien betrachtet und aus dem Training entfernt werden. Wichtiger Hinweis - Datumsfeld: Kraken wird den Datentyp verwenden, der in der Quellverbindung verwendet wird. D.h. wenn Sie einen MySQL-Connector verwenden und das Schema eine Spalte als Datumstyp hat, wird es in Kraken als Datum gelesen. Für CSVs analysiert Kraken derzeit nur Daten im „yyyy-mm-dd“-Format. Wichtiger Hinweis - Aggregation: Kraken summiert Daten auf die tägliche Ebene und betrachtet dann die Datumsfrequenz/Sparsamkeit der gegebenen Daten (das bedeutet, dass wenn Sie mehrere Punkte pro Tag haben, diese zusammengefasst werden). Wenn tägliche Daten mit vielen fehlenden Tagen gegeben werden, wird die Summe der Daten automatisch auf wöchentlicher Ebene aggregiert; dasselbe gilt für die Aggregation der wöchentlichen Ebene auf die monatliche Ebene. Wenn diese Art der Aggregation auftritt, ist es möglich, dass die aus der Prognose zurückgegebenen Daten nicht genau mit den zur Analyse gegebenen Daten übereinstimmen, aber die Summe des Wertes wird mit der Summe des Wertes im Eingabedatensatz übereinstimmen.

Mehr anzeigen

Weniger anzeigen

Kraken ist in erster Linie eine Plattform, die für Datenanalysten oder Business-Analysten ohne tiefes Verständnis der Datenwissenschaft entwickelt wurde. Daher versuchen wir, so viel wie möglich der Datenwissenschaftsarbeit zu automatisieren und unterstützen derzeit keine fortgeschritteneren Funktionen wie Hyperparameter-Tuning.

Mehr anzeigen

Weniger anzeigen

Das Modell wird auf einem Trainingsdatensatz aufgebaut oder „trainiert“, der ein Teil des ursprünglichen Datensatzes ist, den Sie auswählen. Kraken teilt Ihren Datensatz automatisch zufällig und führt eine Fünf-Fach-Kreuzvalidierung durch. Vorhersagen werden mit jeder Datenzeile im Testdatensatz gemacht und mit dem tatsächlichen Ergebnis verglichen, wodurch die Genauigkeitsmaße entstehen, mit denen die Modelle bewertet werden. Es mag etwas kontraintuitiv erscheinen, dass das Modell nicht vollständig korrekt gegen die historischen Daten sein kann – schließlich sind diese Ereignisse bereits eingetreten. Alles, was das wirklich bedeutet, ist, dass das Modell nicht mit 100%iger Genauigkeit vorhersagt, sodass einige der „Vorhersagen“ (bei einem historischen Datenpunkt) nicht mit dem übereinstimmen, was tatsächlich passiert ist. Dies ist nicht unbedingt eine schlechte Sache; tatsächlich sollte jedes Modell, das mit 100%iger Genauigkeit gegen den Testdatensatz vorhersagt, zumindest weiter untersucht werden, um zu sehen, ob Überanpassung oder andere Fehler auftreten könnten.

Mehr anzeigen

Weniger anzeigen