TODO - mandag

[Hansstem]

Ole Jacob:

• [x] Linear regression
• [x] random forest
• [x] Gradient boosting

Hans:

• [x] Support vector machine
• [x] Time series forecasting: LST and GRU
• [x] Neural Networks
• [x] LightGBM

Peter:

• [x] Time series models, ARIMA og Prophet
• [x] Anomaly detection
• [x] Ensemble models

[Hansstem]

Support vector machine

• Brukes til å klassifisere mellom to forskjellige ting
• Hvert punkt er lagt til å en N-dimensjonal rom, og koordinatene er kalt for features. SVM splitter punktene i to, og vil finne det som separerer punktene. Er en supervised learning problem, sånn som decision tree. Brukt mye i bildebehandling
• Tror ikke denne passer prosjektet. Time series forecasting: LST and GRU
• LSTM ( Long Short Term Memory)
• Lærer seg nøkkel-punkter som er viktige til å lage prediksjoner.
• Brukes i neural networks, for å få meg seg de viktigste punktene som er tidlig i inputtet.
• Var ett problem med at input tidlig i rekken ble glemt/ikke uttrykt nok i outputtet, LSTM er bare en måte å få med seg alt på
• GRU er den nye versjonen av LSTM Neural Networks

• LightGBM

[Lawrence-Pet]

Har sett på følgende:

• ARIMA
• Prophet
• Tensorflow
• Ensemble models
• Anomaly Detection

Her er det mye å hente fra både ARIMA og Prophet for å komme raskt i gang. Tensorflow er også et godt alternativ, men krever sannsynligvis mye jobb da det er noe komplekst.

Jeg heller mot at det er i ensemble models vi finner våre sterkeste kandidater. Her vil både boosting og stacking modeller sannsynligvis gi gode resultater for vårt prosjekt. (Random forest og LightGBM faller inn under dette.)

Tror også det vil være verdifullt å se på noen enklere modeller som ARIMA / ARMA i kombinasjon med prophet f.eks. for å se om en sequential ensemble model vil gi noen form for gode resultater. Det vil til gjengjeld bety at man effektivt bygger det biblioteket som lightGBM tilbyr, selv. Noe som kan vise seg å være litt vel lite tidseffektivt.

Anomaly detection tror jeg ikke er veldig relevant for oss i starten av prosjektet.

Jeg har skrevet et lengre dokument under docs/peter_notes/TS_pred_models.md som beskriver disse punktene i mer detalj.

[olejacobmellgren]

[Lawrence-Pet]

Good job