Mundarija Kirish I bob. Demografik tuzilmani tahlil qilish

2.2. An'anaviy modellarning potentsial kamchiliklari
Vaqt seriyalarini prognoz qilishda regressiya va avtoregressiv integratsiyalashgan harakatlanuvchi o'rtacha, ARIMA deb ham ataladi, statistik ma'lumotlarga asoslangan an'anaviy usuldir. Ma'lumotlar namunalarini kuzatish orqali, ma'lumotlarga mos keladigan koeffitsient yoki regressor bilan yuqori unumdor funktsiyani oshirish yaxshi yondashuv deb hisoblanishi mumkin, ammo regressiya ko'pincha murakkab koeffitsientlar va regressor sozlamalarida ortiqcha moslama muammolaridan aziyat chekadi. Bundan tashqari, oddiy regressiya modeli ko'rinmaydigan ma'lumotlarni yaxshi sig'dira olmaydi. Garchi lasso regressiyasi yoki L2 jazo muddati haddan tashqari moslashish xavfini kamaytirishi mumkin bo'lsa-da, cheklash koeffitsientlarining talqini qurbon qilinadi. Bundan tashqari, tibbiy ma'lumotlarni qayta ishlash uchun regressiya modellarini qo'llashning ko'proq kamchiliklari. ARIMA modeliga kelsak, mavsumiylik va statsionarlik kabi ma'lumotlarning qo'llanilishiga mos kelishini aniqlash uchun bir qator zarur jarayonlar mavjud. ARIMA modelida bir nechta o'zgaruvchilardan foydalanish nuqtai nazaridan, ko'p o'zgaruvchan ma'lumotlarni qayta ishlash uchun faqat ARIMA-ni qo'llash kamdan-kam uchraydi, ammo turli muammolarni hal qilish uchun ARIMA-ni ko'p o'zgaruvchan regressiya bilan integratsiya qilish qo'llaniladi [30]. Shu sababli, ARIMA hali ham bir xil o'rtacha, dispersiya va log naqshini saqlab qolish farazida kelajakdagi qiymatlarni bashorat qilish uchun bir o'zgarmaydiganlarni hisoblashga e'tibor qaratadi. Biroq, bu gipoteza ARIMA uchun kutilmagan hodisalarni hal qilishni qiyinlashtiradi, chunki u taxminlarga zid yoki oldindan ishlov berishdan ozod qilingan. Bundan tashqari, ARIMA-ni qo'llash nazariy jihatdan matematik murakkablik tufayli ko'proq texnik bilimlarni talab qilishi ta'kidlangan.

Regressiyaga asoslangan usul va takroriy neyron tarmoqni kuchaytirish

Birinchidan, kuchaytirish usuli mexanizmi va XGBoost algoritmining jarayoni tasvirlangan. Bundan tashqari, maqsadli xususiyatlar uchun xususiyat ahamiyatini o'rganish bo'yicha ma'lumot olish tavsiflanadi. Bundan tashqari, bashorat qilish modeli, LSTM, odatda tenglamalar bilan tavsiflanadi4-qism.