Scribd Logo
Загрузить

Добро пожаловать в Scribd!

  • Временные ряды Prophet

    Загружено:

    Олеся Позднякова
    2 просмотров8 страниц
    Решение задач временных рядов с использованием модели Prophet

    Авторское право

    © © All Rights Reserved

    Доступные форматы

    PDF, TXT или читайте онлайн в Scribd

    Этот документ был вам полезен?

    Это неприемлемый материал?

    Пожаловаться на этот документ
    Решение задач временных рядов с использованием модели Prophet

    Авторское право:

    © All Rights Reserved
    Скачайте в формате PDF, TXT или читайте онлайн в Scribd
    Отметить как неприемлемый контент
    2 просмотров8 страниц

    Временные ряды Prophet

    Загружено:

    Олеся Позднякова
    Решение задач временных рядов с использованием модели Prophet

    Авторское право:

    © All Rights Reserved
    Скачайте в формате PDF, TXT или читайте онлайн в Scribd
    Отметить как неприемлемый контент
    из 8

    ВРЕМЕННЫЕ РЯДЫ И PROPHET

    Временные ряды
    Временной ряд представляет
    собой набор наблюдений,
    полученных путем регулярного
    измерения одной переменной в
    течение некоторого периода
    времени.

    Таким образом, форма данных для


    типичного временного ряда - это
    одна последовательность или
    список наблюдений, выполненных
    через равные промежутки
    времени.
    анализ временных рядов
    Интервалы оценок и диапазоны прогнозов
    Часто бывает полезным разделить временной ряд на интервалы:оценки,
    хронологии и проверки.

    Модель разрабатывается на основе наблюдений в интервале оценки (хронологии)


    и последующего тестирования, в интервале проверки.

    Наблюдения в интервале проверки обычно называются контрольными


    наблюдениями, так как они не использовались в процессе построения модели.
    Если результаты модели в части предсказания будут удовлетворительными,
    можно переопределить интервал оценки и включить в него прежние контрольные
    наблюдения, а затем построить конечную модель.
    Общие сведения о
    prophet:
    ● Разработан Facebook в
    2017 году
    ● Распространяется
    бесплатно по лицензии MIT
    ● Для установки на Windows,
    нужно будет
    предварительно установить
    Rtools
    ● Используется для
    прогнозирования
    временных рядов
    Методология
    ● g(t) и s(t) - функции, аппроксимирующие тренд ряда и
    сезонные колебания соответственно
    ● h(t) - функция, отражающая эффекты праздников и других
    влиятельных событий
    ● εt: термин «ошибка» учитывает любые необычные изменения,
    не учитываемые моделью
    ● тренд: кусочная линейная регрессия или кусочная
    логистическая кривая роста
    ● годовая сезонность: частичные суммы ряда Фурье
    ● недельная сезонность: представлена в виде индикаторной
    переменной
    Пример:
    Дан клиентопоток в виде:

    Требуется клиентопоток предсказать


    :)
    Оценка качества моделей временных рядов
    MAE - mean absolute error P.S. MAPE используется в
    случаях, когда фактические
    значения > 1. Т.к. в моей
    модели были “0”, использовала
    MAPE (mean absolute percentage SMAPE.
    error)
    Для сравнения моделей можно
    посмотреть на коэффициент
    детерминации
    SMAPE - Symmetric MAPE (процент
    объясненной
    дисперсии).
    Большое спасибо за
    внимание

     наша команда разработчиков:

    Вам также может понравиться