Skip to main content

> ML_ALGORITMALAR_v1.0

Algoritma & Yöntem Aileleri

9 disiplinde 100 doğrulanmış algoritma: Klasik Denetimli, Denetimsiz, Zaman Serisi, Anomali, Derin Öğrenme, Öneri Sistemleri, Nedensel Çıkarım, Pekiştirmeli Öğrenme ve Özel Yöntemler.

Hızlandırıcı Matrisi14D Seçim Motoru
Toplam 100 Algoritma Ailesi (Sayfa 6 / 6)Matematiksel Olarak Doğrulanmış
Algoritma
O(1) recursiontime-series-forecasting

Holt-Winters Üstel Düzleştirme (ETS)

Seviye, eğilim ve mevsimsel bileşenler doğrudan çizdirilebilir ve bağımsız olarak incelenebilir.

Uygulayıcı Araçlar:
statsmodelsCaret r
time series forecastinginventory demand planning
#exponential-smoothing-holt-wintersDetay
Algoritma
O(horizon)time-series-forecasting

Prophet (Toplamsal Ayrıştırılabilir Zaman Serisi)

Eğilim, haftalık mevsimsellik, yıllık mevsimsellik ve özel tatiller için net ayrıştırılmış bileşen grafikleri sunar.

Uygulayıcı Araçlar:
ProphetStan
business metric forecastingcapacity planning
Makale (2018)Detay
Algoritma
O(samples * horizon * LSTM_pass)time-series-forecasting

DeepAR (Özbağlanımlı Yinelemeli Ağlar)

Olasılıksal tahmin aralıkları (p10, p50, p90) için tam Monte Carlo örnekleme yolları üretir.

Uygulayıcı Araçlar:
GluonTSPytorch forecasting
large scale demand forecastingprobabilistic forecasting
Makale (2020)Detay
Algoritma
O(seq_len^2 * d)time-series-forecasting

Zamansal Füzyon Transformerı (TFT)

Değişken Seçim Ağları statik, geçmiş ve gelecek girdiler için açık özellik önem ağırlıkları üretir; dikkat kafaları zamansal dinamikleri gösterir.

Uygulayıcı Araçlar:
Pytorch forecastingGluonTS
multi horizon forecastingcomplex exogenous forecasting
#temporal-fusion-transformer-tftDetay
Algoritma
O(blocks * MLP)time-series-forecasting

N-BEATS (Sinirsel Taban Açılımı Analizi)

Yorumlanabilir yapılandırma, çıktı açılım katsayılarını açık monoton polinom eğilimi ve periyodik harmoniklerle sınırlar.

Uygulayıcı Araçlar:
NeuralForecastDartsPytorch forecasting
univariate time series forecastingzero shot ts forecasting
#neural-basis-expansion-n-beatsDetay
Algoritma
O(downsampled_MLP)time-series-forecasting

N-HiTS (Sinirsel Hiyerarşik Enterpolasyon)

Çoklu oranlı havuzlama, yavaş yığınların düşük frekanslı makro eğilimi sentezlemesini, hızlı yığınların ise yüksek frekanslı dalgalanmaları yakalamasını sağlar.

Uygulayıcı Araçlar:
NeuralForecastDarts
long horizon forecastinghigh frequency telemetry
#neural-hierarchical-interpolation-n-hitsDetay
Algoritma
O(channels * (L/P)^2 * d)time-series-forecasting

PatchTST (Kanal Bağımsız Yamalı Transformer)

Kanal bağımsızlığı kanallar arası sahte korelasyonları önlerken yama dikkati zamansal belleği korur.

Uygulayıcı Araçlar:
NeuralForecastTransformers
long horizon forecastingmultivariate time series forecasting
#patchtst-channel-independent-patchingDetay
Algoritma
O(L * log(L) * d)time-series-forecasting

Informer (ProbSparse Dikkati)

Klasik karesel Transformer belleğini seçici aktif sorgular aracılığıyla O(L log L)'ye düşürür.

Uygulayıcı Araçlar:
GluonTSNeuralForecast
long horizon forecastingmultivariate time series forecasting
#informer-probsparse-attentionDetay
Algoritma
O((k * p)^2)time-series-forecasting

Vektör Özbağlanımı (VAR ve VECM)

Granger nedensellik test istatistiklerini ve dikleştirilmiş etki-tepki fonksiyonlarını (IRF) doğrudan üretir.

Uygulayıcı Araçlar:
statsmodelsCaret r
multivariate econometricsgranger causality analysisimpulse response analysis
#vector-autoregression-varDetay
Algoritma
O(1) memory and time per steptime-series-forecasting

Yapılandırılmış Durum Uzayı Modelleri (S4 ve Mamba)

Donanıma duyarlı seçici tarama, dizi uzunluğundan bağımsız olarak sabit belleği koruyarak 1M+ adımlı bağlam pencerelerini mümkün kılar.

Uygulayıcı Araçlar:
Mamba (mamba-ssm)TransformersPyTorch
long horizon forecastinglong context sequence modelingsignal processing
#structured-state-space-sequence-models-mambaDetay
Toplam 100 Algoritma Ailesi arasından 91–100 gösteriliyor