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