A Project for the Data Mining course in the AGH 2023 Datascience class. We compare a few recent models in the job of timeseries data prediction
Zastosowanie algorytmów Gradient Boosted Decision Trees / Light Gradient Boosting do prognozowania szeregów czasowych (biblioteka XGBoost)
- Przykładowe zbiory danych:
- Przewidywanie kursu wybranych kryptowalut
- Store Sales Forecasting
- Sunspots <- WYBRANO
- Dopasowywanie parametrów modelu
- Porównanie z modelami: Arima, ESN, Prophet
Aby korzystac z projektu w formie biblioteki, nalezy z root projektu timeseries-models/ poleceniem
pip install -e .
zainstalowac projekt w formie pakietu. Wymagane requirements powinny się zainstalowac automatycznie. Polecane jest uprzednie stworzenie środowiska wirtualnego poleceniem
python -m venv venv
Jako ze kazdy z nas skupia się na innym modelu, proponuję pracowac w osobnych branchach, np od 1 litery imienia + nazwisko:
git branch -b wciezobka.