Машинное обучение от ИЦ "ГЕВИССТА"

Диагностика стационарности временных рядов49-стр. pdf и Jupyter-тетрадкаДекомпозиция с помощью центрированного скользящего среднего, обычного скользящего среднего, полиномов, ящичковые диаграммы, матаппарат вычисления ACF/PACF, диаграммы рассеяния для лагов, тесты на единичные корни

Анализ чувствительности для causal inferenceJupyter-тетрадка-гайдPlacebo Treatment/Irrelevant Additional Confounder/Subset validation/Selection Bias/Random ReplaceГайд посвящен «опровергающим» проверкам (refutation checks) в кауз. анализе. Сами по себе они не доказывают, что оценка причинно-следственного эффекта верна, но позволяют проверить ее устойчивость к нарушению ключевых предположений (прежде всего — предположения об отсутствии скрытых конфаундеров, unconfoundedness). Если при разумных «возмущениях» данных и модели оценка эффекта (ATE) сохраняет знак, порядок величины и стат. значимость — мы считаем результат надежным.

Применение каузального анализа в финансах, часть 1Марко Лопез де Прадо о каузальном факторном инвестировании, часть 1

В группе по рядам вас ждут новые материалы

Подборка постов по uplift-моделированиюhttps://web.tribute.tg/p/y2Lhttps://web.tribute.tg/p/xXshttps://web.tribute.tg/p/xSCВ третьем посте тоже про uplift-модель, но там она одна из моделей (сравниваем 4 стратегии), при чем не самая оптимальная.

Руководство по TabPFN-TSJupyter-тетрадка-гайдРуководство по работе с фундаментальной моделью для временных рядов

Балую вас деликатесами https://boosty.to/gewissta/posts/14037397-ec9f-4101-8d4f-cb52bdca5d7e?share=post_link

Конформное прогнозирование в Python. Былое и думы300-стр. гайд, Jupyter-тетрадки

Кроссвалидация для рядов со сложн. предподготовкойМой собственный рабочий инструмент, эдакий "швейцарский нож" при валидации моделей для рядов. Умеет в лаги, скользящие, признаки на базе ETS, детрендинг, логарифмирование и прочее. Даже корректировать гиперпараметры на размер выборки. Может выкидывать периоды с сомнительными данными из валидации. Pdf-гайд, Jupyter-тетрадка и модуль utils.py.

На следующей недельке разберем, как можно каузальный анализ применить в автомобильной индустрии, разберем один прикладной кейс с метамоделями. https://boosty.to/gewissta/posts/35e35e5f-aae4-417d-9dcd-3952e60efbc0?share=post_link

Ну и маненько мой вклад есть, хвастаюсь, с ваших донатов-постов https://www.threads.com/@el_couguar_fox/post/DZsmHMlktN7?xmt=AQG0hMyOLwnsU8wwKoFUmuhWxv8r-0GUco7qpQ5epGbdFw. В бедах людей виноваты только люди, и в бедах животных виноваты опять люди.

В группе по каузальному анализу вас ждет новый материал

TabPFN-TS на Walmart - 2500 (бустинг - 2180), на Store Sales - 0.43 (бустинг - 0.395)

Промпт "Смесь экспертов" для ClaudeПромпт"Смесь экспертов" и пример применения (результат отработки промпта)

Разбираем TabPFN-TS - TabPFN  для рядов. https://boosty.to/gewissta/posts/58130135-9f45-43cb-a712-b45d0961aa93?share=post_link. Там вам останется только включить VPN (у меня Германия стоит), загрузить и запустить, во время первого запуска нужно создать акк, указать почту, ответить на 3-4 вопроса анкеты (кто вы, какие задачи решаете). Тетрадка сделана под облачный клиент tabpfn, так удобнее.