【文件属性】：
文件名称：m3_konferenz:展示柜
文件大小：110.14MB
文件格式：ZIP
更新时间：2021-05-18 20:03:22
time-series lstm predictive-analysis JupyterNotebook
M3 Konferenz：企业时间序列的无监督异常检测和预测
该存储库包含我们演讲期间使用的笔记本和数据集。 您可以通过单击以下批处理来启动易于配置的环境：
时间序列是无所不在的数据类型。 由业务流程或连接的设备生成的数据实质上是时间序列。 其他示例包括销售，仓库库存或随时间推移测量的汽车电池状况。 快速增长系列数，以至于人类无法以简单而经济的方式观察它们。 救援人员使用算法方法和机器学习来检测异常行为并进行预测。 我们介绍并介绍现代ML算法，这些算法已集成到数据体系结构中。 为了使该算法对观众实际可用，我们将这些算法应用于公共数据集并提供随时可用的笔记本。
在演讲中，我们使用了两个主要的演示数据集。
伦敦智能电表
在此数据集中，您将找到伦敦数据存储区的数据的重构版本，其中包含2011年11月至2月之间参加英国电力网络牵头的低碳伦敦项目的5567个伦敦家庭的样本的能耗读数。 2014年
【文件预览】：
m3_konferenz-master
----.gitignore(656B)
----Dockerfile(592B)
----images()
--------smart_meter_heatmap_max_date_same_start.png(11.81MB)
--------smart_meter_heatmap.png(10.33MB)
--------smart_meter_heatmap_max_date.png(10.72MB)
----requirements.txt(68B)
----showcase()
--------server_lifecycle.py(174B)
--------waterfall.py(466B)
--------title.html(1KB)
--------audio.py(5KB)
--------main.py(5KB)
--------waterfall.coffee(3KB)
----LICENSE(34KB)
----prepared_data()
--------nasa_jetengine()
--------london_smart_meter()
----build_docker_image.sh(131B)
----notebooks()
--------python_code()
--------10_JetEngine Failures - Exploration & Basics.ipynb(302KB)
--------04_Smart Meter London - LSTM.ipynb(495KB)
--------03_Smart Meter London - ARIMA, ETS, and GARCH.ipynb(1.12MB)
--------imgs()
--------11_JetEngine Failures - WTTE-RNN.ipynb(764KB)
--------01_Smart Meter London - Exploration.ipynb(1.75MB)
--------05_Smart Meter London - Outlier_Detection.ipynb(372KB)
--------02_Smart Meter London - Quantile Random Forest.ipynb(167KB)
----README.md(3KB)
----install.R(235B)
----m3_konferenz.Rproj(205B)
----.gitattributes(45B)