無需機器學習的干擾即可預測任何事情。

獲得準確的單變量預測不需要數週的努力或機器學習學位。無論是規劃庫存、預測能源輸出或最佳化供應鏈，時間序列預測都應該是簡單、可擴展且可靠。

這就是我們建立Sulie的原因：一個基礎模型，旨在讓預測變得更容易、更快，並且每個人都可以使用。

？ 蘇莉是什麼？

Sulie 是時間序列預測的基礎模型。 Sulie 經過跨行業和任務的不同數據集的培訓，具有行業不可知性和數據靈活性，使其能夠解決各種時間序列預測問題，而無需針對特定任務進行定制。

？ 為什麼是蘇莉？

這就是蘇莉脫穎而出的原因：

• 用幾行程式碼預測 - 快速開始預測，無需複雜的管道或設定。
• 自動微調 - Sulie 會適應您的數據以提高準確性，同時您可以專注於自己的目標。
• 零機器學習麻煩 - 無需訓練模型、擺弄超參數或處理基礎設施。蘇莉負責搬運重物。

？ 現實世界用例

蘇莉非常適合：

• 能源 - 預測再生能源產量，例如風能或太陽能發電。
• 零售 - 規劃產品補貨並預測銷售趨勢。
• 供應鏈 - 最佳化物流並降低庫存成本。
• 財務數據 - 收入或支出的預測趨勢。

？ 如何運作

將 Sulie 整合到您的工作流程或 SaaS 中非常簡單。這是一個例子：

import os
import pandas as pd
from sulie import Sulie

client = Sulie(
    api_key=os.environ.get("SULIE_API_KEY")
)

# Prepare your data
df = pd.DataFrame(your_data)

# Upload a dataset
dataset = client.upload_dataset(
    name="product-purchases-v1", 
    df=df
)

# Forecast on time-series data                                                           
forecast = client.forecast(
    dataset="product-purchases-v1",
    horizon=30, # 30 time steps ahead
    target_col="y"
)

開始

• 在 GitHub 上探索 Sulie
• 了解更多信息，請訪問 sulie.co

以上是無需機器學習的干擾即可預測任何事情。的詳細內容。更多資訊請關注PHP中文網其他相關文章！