Πόσοι άνθρωποι θα περάσουν την πόρτα σας την επόμενη εβδομάδα;

Επιλέξτε ένα σημείο και διαβάστε την επόμενη εβδομάδα σε μία πρόταση. Μετά γυρίστε πίσω στον χρόνο για να δείτε πόσο σωστή ήταν η πρόβλεψη, συγκρίνετε τέσσερις μεθόδους ή δοκιμάστε τους δικούς σας αριθμούς. Όλα υπολογίζονται στον browser σας.

Η επίδειξη χρειάζεται JavaScript. Το μοντέλο και δύο χρόνια μετρήσεων είναι περίπου 700 KB και κατεβαίνουν μία φορά.

Η ίδια η επίδειξη είναι στα αγγλικά, όπως και τα δεδομένα της.

Πραγματικά δεδομένα: ημερήσιοι επισκέπτες από αισθητήρες δρόμου στη Μελβούρνη (City of Melbourne, CC BY 4.0), τα τελευταία δύο χρόνια. Εδώ εμφανίζονται οκτώ σημεία· τα αποτελέσματα παρακάτω καλύπτουν και τα 65.

11,1%Μέσο σφάλμα πρόβλεψης, τέσσερις εβδομάδες μπροστά, σε 65 σημεία και 12 ημερομηνίες μετά το τέλος των δεδομένων εκπαίδευσης. Αντιγραφή των αριθμών της προηγούμενης εβδομάδας: 14,3%.

83%Των πραγματικών ημερών μέσα στο πιθανό εύρος του μοντέλου μας, που στοχεύει στο 80%.

600 KBΟλόκληρο το μοντέλο. Τρέχει σε αυτή τη σελίδα, και σε οποιονδήποτε server ανανεώνει κάθε σημείο κάθε πρωί. Χωρίς GPU, χωρίς λογαριασμό API.

Πώς λειτουργεί

ΔεδομέναΔύο χρόνια ημερήσιων επισκεπτών σε 65 σημεία. Οι μέρες με ελλιπείς ώρες μένουν κενά, όχι εικασίες. Η σειρά που σχεδιάζετε αντιμετωπίζεται με τον ίδιο τρόπο.

ΜέθοδοιΗ «ίδια με την προηγούμενη εβδομάδα», η εκθετική εξομάλυνση και το μοντέλο μας gradient boosting εκτελούνται στη συσκευή σας· το foundation model εκτελέστηκε μία φορά σε GPU. Και οι τέσσερις δοκιμάστηκαν με τον ίδιο τρόπο: εκπαιδεύτηκαν σε δεδομένα πριν από τον Μάιο του 2026 και μετά κλήθηκαν να προβλέψουν δώδεκα ημερομηνίες που δεν είχαν δει ποτέ.

ΑποτελέσματαΕκθετική εξομάλυνση: σφάλμα 11,9%. Chronos-Bolt, ένα μεγάλο έτοιμο μοντέλο πρόβλεψης που τρέχει σε GPU: 10,8%, πρακτικά εξίσου ακριβές με το δικό μας, αλλά από ένα μοντέλο πολύ μεγάλο για browser. Μια πρόβλεψη τεσσάρων εβδομάδων παίρνει εδώ 2 ms.

Τι παίρνετεΠρόβλεψη με εύρος για κάθε σημείο, κάθε πρωί, στο εργαλείο που ήδη χρησιμοποιείτε, και έναν ειλικρινή αριθμό για το πόσο θα αποκλίνει. Χωρίς GPU, χωρίς λογαριασμό API.

Κώδικας, ροή δεδομένων και πλήρης αξιολόγηση: github.com/balticml/demand-forecasting. Το θέλετε για τις παραγγελίες, τις κλήσεις ή τους επισκέπτες σας; Επικοινωνήστε μαζί μας