The paper describes a method for pr

The paper describes a method for predicting energy con-
sumption. For this purpose, several machine learning algo-
rithms are compared in the paper. Chosen as the best algorithm
was the local linear regression. The main contribution of the
paper lies in comparing different machine learning algorithms
and in evaluating the accuracy for different lengths of time
intervals. Another benefit is the achieved accuracy, which
exceeds that in comparable works.
As is evident from the results, it is very difficult to accu-
rately capture an exact pattern of electricity consumption. One
of the reasons why this is so, is the considerable influence of
weather and other factors such as the economy, population
growth, etc. Future work will therefore consider looking for
trends that affect consumption and can be reliably predicted.

ผลลัพธ์ (ไทย) 1:

กระดาษอธิบายวิธีทำนายพลังงาน con-sumption สำหรับวัตถุประสงค์นี้ หลายเครื่องเรียน algo-rithms มีการเปรียบเทียบในกระดาษ เลือกเป็นอัลกอริทึมที่ดีที่สุดการถดถอยเชิงเส้นในท้องถิ่นได้ สัดส่วนของหลักการกระดาษที่อยู่ในการเปรียบเทียบอัลกอริทึมการเรียนรู้ของเครื่องจักรและ ในการประเมินความถูกต้องสำหรับความยาวที่แตกต่างกันของเวลาช่วงเวลานี้ ประโยชน์อื่นคือ ความถูกต้องทำได้ ซึ่งเกินที่ในการทำงานเทียบเท่าซึ่งจะเห็นได้จากผล มันเป็น difficult มากกับ accu-rately จับรูปแบบที่แน่นอนของการใช้ไฟฟ้า หนึ่งเหตุผลทำไมเป็นเช่นนั้น เป็นการโน้มน้าวใจกลุ่มมากของสภาพอากาศและปัจจัยอื่น ๆ เช่นเศรษฐกิจ ประชากรเจริญเติบโต เป็นต้น ทำงานในอนาคตดังนั้นจะพิจารณาหาแนวโน้มที่มีผลต่อการบริโภค และสามารถคาดการณ์ได้อย่างแม่นยำ

ผลลัพธ์ (ไทย) 2:

บทความนี้จะอธิบายวิธีการในการทำนายงพลังงาน
สิ้นเปลือง เพื่อจุดประสงค์นี้หลายเครื่องการเรียนรู้อั
รวมถึงวิธีจะเปรียบเทียบในกระดาษ เลือกให้เป็นขั้นตอนวิธีการที่ดีที่สุด
คือการถดถอยเชิงเส้นในท้องถิ่น ผลงานหลักของ
กระดาษอยู่ในการเปรียบเทียบขั้นตอนวิธีการเรียนรู้ของเครื่องที่แตกต่างกัน
และในการประเมินความถูกต้องสำหรับความยาวแตกต่างของเวลา
ช่วงเวลา อีก Bene Fi T คือความถูกต้องประสบความสำเร็จซึ่ง
สูงกว่าในการทำงานเทียบเคียง.
ในฐานะที่เห็นได้ชัดจากผลมันเป็นยากที่มากที่จะแม่นยำ
rately จับรูปแบบที่แน่นอนของปริมาณการใช้ไฟฟ้า หนึ่ง
ในเหตุผลที่เป็นเช่นนี้เป็นอย่างมากในฟลอริด้าของอิทธิพลต่อ
สภาพอากาศและปัจจัยอื่น ๆ เช่นเศรษฐกิจประชากร
การเจริญเติบโต ฯลฯ การทำงานในอนาคตจึงจะพิจารณามองหา
แนวโน้มที่มีผลต่อการบริโภคและสามารถคาดการณ์ได้อย่างน่าเชื่อถือ

ผลลัพธ์ (ไทย) 3:

บทความอธิบายวิธีการทำนายพลังงาน - คอนซ้ำชั้น . สำหรับวัตถุประสงค์นี้ หลายเครื่องอัลโก - การเรียนรู้rithms เปรียบเทียบในกระดาษ เลือกเป็นวิธีที่ดีที่สุดคือการถดถอยเชิงเส้นตัวแปรท้องถิ่น ส่วนหลักของกระดาษอยู่ในการเปรียบเทียบอัลกอริทึมการเรียนรู้ของเครื่องจักรต่าง ๆและในการประเมินความถูกต้องสำหรับความยาวที่แตกต่างกันของเวลาช่วงเวลา อื่นดีจึงไม่มีความความถูกต้อง ซึ่งเกินกว่าที่งานเทียบเคียงโดยจะเห็นได้จากผลลัพธ์ มันมากจึงแยกศาสนากับ Accu -rately จับรูปแบบที่แน่นอนของการบริโภคไฟฟ้า หนึ่งเหตุผลที่ทำไมถึงเป็นแบบนี้ เป็นจํานวนมากในfl uence ของสภาพอากาศ และปัจจัยอื่นๆ เช่น เศรษฐกิจ ประชากรการเจริญเติบโต , ฯลฯ งานจึงจะพิจารณามองหาอนาคตแนวโน้มที่มีผลต่อการบริโภคและสามารถเชื่อถือได้คาดการณ์ไว้