Ejemplos y Tutoriales¶
Ejemplos prácticos y tutoriales para ayudarte a entender y aplicar skforecast.
Primeros Pasos: Forecasting Fundamental¶
Esta sección proporciona tutoriales esenciales para los usuarios que están comenzando con el pronóstico de series temporales. Estos ejemplos cubren los modelos y técnicas más fundamentales para ayudarte a construir una base sólida en forecasting.
Skforecast: forecasting series temporales con machine learning
Forecasting con gradient boosting: XGBoost, LightGBM y CatBoost
Modelos Globales: Forecasting Multi-Serie¶
Estos tutoriales se centran en modelos globales y en el pronóstico de series múltiples, donde puedes explorar el uso de técnicas que manejan varias series temporales simultáneamente y comparar el rendimiento entre diferentes enfoques de forecasting.
Modelos de Forecasting Globales: Multi-series forecasting
Forecasting Escalable: Modelado de mil series temporales con un único modelo global
Modelos de Forecasting Globales: Análisis comparativo de modelos de una y múltiples series
Técnicas Avanzadas: Más Allá de los Modelos Básicos¶
Para usuarios experimentados que buscan profundizar en sus habilidades de forecasting, esta sección ofrece técnicas avanzadas, como forecasting probabilístico y manejo de valores ausentes.
Forecasting probabilístico: intervalos de predicción para forecasting multi-step
Modelar series temporales con tendencia utilizando modelos de árboles
Forecasting de series incompletas con valores faltantes
Interpretabilidad en modelos de forecasting
Desafíos del Mundo Real y Estudios de Caso¶
Esta sección incluye aplicaciones del mundo real del pronóstico de series temporales para abordar desafíos específicos, como el pronóstico de la demanda de energía, el tráfico web e incluso los precios de criptomonedas. Aprende cómo aplicar técnicas de forecasting a casos prácticos.
Forecasting de la demanda eléctrica
Forecasting de las visitas a una página web
Predicción demanda intermitente