Risorse Software di apprendimento automatico

Serie Temporale Univariata: Kraken implementa attualmente un modello di serie temporale univariata che ha somiglianze con i modelli migliori del settore come Auto-SARIMA. La modellazione delle serie temporali cerca la stagionalità e le tendenze di crescita generale basate sui dati storici. Questo permette ai modelli di prevedere nel futuro qualsiasi quantità di tempo. Kraken prevede 12 mesi nel futuro e può gestire dati giornalieri, settimanali o mensili. Gestisce anche con grazia i giorni mancanti. Il dataset di ritorno include la data, il valore effettivo, il valore previsto, il limite superiore e il limite inferiore (limiti a un intervallo di confidenza dell'80%), oltre a segnalare i valori anomali nel dataset che sono automaticamente considerati anomalie e rimossi dall'addestramento. Nota importante - Campo Data: Kraken utilizzerà il tipo di dato che viene utilizzato nella connessione di origine. Ad esempio, se si utilizza un connettore MySQL e lo schema ha una colonna come tipo data, verrà letta come data in Kraken. Per i file CSV, Kraken attualmente analizza solo le date nel formato "aaaa-mm-gg". Nota importante - Aggregazione: Kraken somma i dati al livello giornaliero e poi esamina la frequenza/sparsità delle date dei dati che riceve (ciò significa che se si hanno più punti per giorno, li sommerà insieme). Se vengono forniti dati giornalieri ma con molti giorni mancanti, i dati si aggregheranno automaticamente alla somma dei dati a livello settimanale; lo stesso vale per l'aggregazione del livello settimanale a quello mensile. Se si verifica questo tipo di aggregazione, è possibile che le date restituite dalla previsione non corrispondano esattamente alle date fornite per essere analizzate, ma la somma del valore corrisponderà alla somma del valore nel dataset di input.

Mostra di più

Mostra meno

Kraken è principalmente una piattaforma costruita per analisti di dati o analisti aziendali senza una profonda comprensione della scienza dei dati. Pertanto, cerchiamo di automatizzare il più possibile il lavoro di data science e attualmente non supportiamo funzionalità di livello più esperto come la regolazione degli iperparametri.

Mostra di più

Mostra meno

Il modello è costruito, o "addestrato", su un dataset di addestramento che è un sottoinsieme del dataset originale che selezioni. Kraken divide automaticamente il tuo dataset in modo casuale ed esegue una convalida incrociata a cinque pieghe. Le previsioni sono fatte con ogni riga di dati nel dataset di test e confrontate con il risultato effettivo, producendo le misure di accuratezza con cui i modelli sono valutati. Può sembrare leggermente controintuitivo che il modello non riesca a ottenere completamente il risultato corretto rispetto ai dati storici – dopotutto, quegli eventi sono già accaduti. Tutto ciò significa realmente è che il modello non sta prevedendo con un'accuratezza del 100%, quindi alcune delle "previsioni" (su un punto dati storico) non corrispondono a ciò che è realmente accaduto. Questo non è necessariamente un male; infatti, qualsiasi modello che prevede con un'accuratezza del 100% rispetto al dataset di test dovrebbe almeno essere esaminato ulteriormente per vedere se si stanno verificando overfitting o altri errori.

Mostra di più

Mostra meno