Kolik lidí k vám přijde příští týden?
Vyberte místo a přečtěte si příští týden v jedné větě. Pak se vraťte v čase a podívejte se, jak přesná předpověď byla, porovnejte čtyři metody nebo zkuste vlastní čísla. Vše se počítá ve vašem prohlížeči.
Ukázka vyžaduje JavaScript. Model a dva roky počtů mají asi 700 KB a stahují se jednou.
Samotná ukázka je v angličtině, stejně jako její data.
Skutečná data: denní počty chodců z pouličních senzorů v Melbourne (City of Melbourne, CC BY 4.0), za poslední dva roky. Zobrazeno je osm míst; výsledky níže zahrnují všech 65.
11,1%Průměrná chyba předpovědi čtyři týdny dopředu, na 65 místech a 12 datech po skončení trénovacích dat. Kopie čísel z minulého týdne: 14,3%.
83%Skutečných dnů leží v pravděpodobném rozpětí našeho modelu, které míří na 80%.
600 KBCelý model. Běží na této stránce a na libovolném serveru každé ráno obnoví všechna místa. Bez GPU, bez účtu za API.
Jak to funguje
DataDva roky denních počtů návštěvníků na 65 místech. Dny s chybějícími hodinami jsou mezery, ne odhady. Vaše nakreslená řada se zpracuje stejně.
MetodyKopie minulého týdne, exponenciální vyrovnávání a náš model gradient boosting běží na vašem zařízení; základní model se spustil jednou na GPU. Všechny čtyři byly testovány stejně: natrénovány na datech před květnem 2026 a pak měly předpovědět dvanáct dat, která nikdy neviděly.
VýsledkyExponenciální vyrovnávání: chyba 11,9%. Chronos-Bolt, velký hotový předpovědní model spuštěný na GPU: 10,8%, prakticky stejně přesný jako ten náš, ale jde o model příliš velký pro prohlížeč. Předpověď na čtyři týdny tu trvá 2 ms.
Co získátePředpověď s rozpětím pro každé místo, každé ráno, v nástroji, který už používáte, a poctivé číslo o tom, jak moc se může mýlit. Bez GPU, bez účtů za API.
Kód, zpracování dat a celý benchmark: github.com/balticml/demand-forecasting. Chcete to pro své objednávky, hovory nebo návštěvníky? Ozvěte se