اصولا من برای فورکاستینگ روی تایم سری های بیزینس به مدلهای آماری بیشتر اعتقاد دارم تا مدلهای ml و دیپ،
در کل اگه هم بخوام با ml کاری رو پیشبینی کنم، catboost و light gbm و RF اصولا انتخاب های اصلی من خواهند بود،
تقریبا هم مدلهای دیپ لرنینگ که باهاشون کار کردم، خروجی جالبی برای فورکاست مستقیم ts نداشتن، اما کارهای این حوزه انجام دادیم که از مدلهای دیپ به شکل متفاوتی برای پیشبینی استفاده کردیم و نتایج جالبی داشته (بزودی پکیج اش رو منتشر خواهیم کرد)،

در کنار این مدلهای point forecasting، یه حوزه مهم دیگه که بیشتر برای بیزینس مفیدتر هست، interval forecasting هست، اصولا شاید بهتون بگم توی صنعت، خیلی پیشبینی یک نقطه بدرد نمیخوره، بیشتر دنبال یک بازه ای از پیشبینی هستن که بتونن روش planning انجام بدن و سناریو سازی کنن،
یکی از اپروچ های که تقریبا اخیرا خیلی خوب کار شده conformal prediction هست که‌ گیت هاب زیر اکثر پرزنت، مقالات و کدهای مهم این حوزه رو جمع کرده


https://github.com/valeman/awesome-conformal-prediction

حتما اگه پیاده کردین نظرتون رو شیر کنید

@machinelearningnet2