Seria czasowa – prognozowanie, sezonowość, poufność
Seria czasowa – prognozowanie, sezonowość, poufność
Prognozowanie serii czasowych jest w centrum finansów, logistyki i energii
Prognozowanie serii czasowych tworzy podstawę dla finansów, logistyki i energii; kluczowe czynniki to sezonowość, trendy i atypowe wartości.
Klasyczne modele: ARIMA, ETS, Prophet. ML: Gradient Boosting na cechach
Klasyczne modele: ARIMA, ETS, Prophet. ML: Gradient Boosting na opóźnienia i sezonowości, RNN/Temporálne CNN/Transformery. Modely wieloseryjne i hierarchiczne.
Często zadawane pytania
Czym jest inżynieria cech: opóźnienia, statystyki przesunięte?
Inżynieria cech: opóźnienia, statystyki przesunięte, cechy kalendarzowe. Podział czasu, walidacja wsteczno-współcześniena. Agregacje na poziomach i zrównoważenie hierarchii.
Czy wykorzystanie informacji przyszłych jest nieprawidłowe?
Wykorzystanie informacji przyszłych, nieprawidłowe podziały, przejście do innych regimów (zmiany w wzorcach), święta/zdarzenia.
Czy wysoka jakość prognoz wymaga dokładnych podziałów?
Wysoka jakość prognoz wymaga dokładnych podziałów, inżynierii cech i dostosowania do wpływów sezonowych/zdarzeń.
1) Rozłożyć serię (trend/sezonowość/residual)?
1) Rozłożyć serię (trend/seasonal/residual). 2) Stworzyć podstawowy model ARIMA/Prophet. 3) Dodanie modelu maszynowego na inżynierowanych cechach. 4) Kalibracja i sprawdzenie stabilności.
Wypróbuj na żywo
Wszystko powyżej działa bezpośrednio w Twojej przeglądarce — otwórz Earthquake Wave Propagation Simulation i zmieniaj parametry podczas działania. Nic nie jest instalowane ani przesyłane na serwer, cały model działa w jednej karcie.
▶ Otwórz symulację Earthquake Wave Propagation Simulation