/TimeSeries-CentralBank

Primary LanguageJupyter Notebook

Прогнозирование временных рядов на основе LSTM и CatBoost

Описание

Этот проект посвящен задаче прогнозирования временных рядов с использованием двух популярных методов: LSTM (Long Short-Term Memory) и CatBoost. LSTM - это рекуррентная нейронная сеть, а CatBoost - это алгоритм градиентного бустинга, разработанный Яндексом.

Инструкции

  1. Клонируйте репозиторий на свой локальный компьютер.

  2. Установите необходимые зависимости, используя poetry и файл pyproject.toml.

    poetry install

Откройте Jupyter Notebook catboost_embs_final.ipynb, чтобы ознакомиться с решением задачи прогнозирования временных рядов. Зависимости Python 3.x Jupyter Notebook CatBoost PyTorch Другие библиотеки, перечисленные в файле pyproject.toml Авторы [Андрей Эрик Сергей Даня Rinat]