Techmania Dashboard
Kontrola připojení...
Informace o systému
Detailní informace o predikčním modelu a technologiích
O projektu
Tento systém byl vytvořen pro predikci návštěvnosti science centra Techmania v Plzni. Využívá pokročilé techniky strojového učení a analýzy časových řad pro předpověď počtu návštěvníků na základě různých faktorů jako jsou počasí, den v týdnu, prázdniny a svátky.
Ensemble Model
Systém využívá ensemble learning – kombinaci tří různých modelů pro dosažení maximální přesnosti:
LightGBM
Váha: 45%
- • Komplexní nelineární vztahy
- • Kategorie a interakce
- • Robustní k outlierům
Prophet
Váha: 30%
- • Časové řady
- • Detekce sezónnosti
- • Dlouhodobé trendy
Neural Network
Váha: 25%
- • Skryté vzory
- • Sekvenční závislosti
- • Krátkodobé predikce
Vstupní faktory
Časové faktory
- • Den v týdnu
- • Měsíc v roce
- • Prázdniny (letní, vánoční, jarní)
- • Státní svátky
- • Víkendy a pracovní dny
Počasí
- • Teplota (°C)
- • Srážky (mm)
- • Oblačnost (%)
- • Tlak vzduchu (hPa)
- • Rychlost větru (km/h)
Použité technologie
Backend
- • Python 3.x - hlavní jazyk
- • Flask - REST API framework
- • scikit-learn - ML nástroje
- • LightGBM - gradient boosting
- • Prophet - časové řady (Meta)
- • TensorFlow/Keras - neuronové sítě
- • pandas & numpy - data processing
Frontend
- • Next.js 14 - React framework
- • TypeScript - type safety
- • Tailwind CSS - styling
- • Recharts - vizualizace dat
- • Headless UI - komponenty
Metriky přesnosti
RMSE
~150
Root Mean Squared Error
MAE
~100
Mean Absolute Error
R²
~0.85
Koeficient determinace
Model dosahuje průměrné chyby okolo 100 návštěvníků a vysvětluje přibližně 85% variability v datech.