Ịma amụma

Uru:

• Ikike ịmata ọdịiche dị n'usoro amụma ihe achọrọ (nkezi na-akpụ akpụ, ire ụtọ n'ọnụ, oge oge)
• Ikike iji AI guzobe ọnọdụ amụma wee nyochaa izi ezi na metrik dị ka MAPE/MAE
• Ikike ịgafe nyocha amụma na ọnọdụ azụmahịa yana mmetụta nkwado/oge

Ịma amụma ihe bụ ntọala nke atụmatụ mmepụta, njikwa ngwa ahịa na usoro ọkọnọ niile dabere na ya. Amụma na-ezighi ezi dị oke ọnụ ụzọ abụọ ahụ: imebiga ihe ókè na-emepụta ọnụ ahịa ngwaahịa na ịla n'iyi, ilele anya na-eduga n'ịre ahịa efu na enweghị afọ ojuju ndị ahịa. Ọgụgụ isi na-enyere aka n'ọtụtụ ebe na usoro amụma, site na ịhọrọ usoro iji kọwaa data akụkọ ihe mere eme na ịmepụta ọnọdụ; Mana ịhụ amụma ahụ dị ka "bọọlụ kristal anwansi" bụ mmejọ kacha njọ. N'ime nkeji a, anyị ga-ekpuchi ụzọ amụma oge gboo, otu esi eji AI wuo ha nke ọma, yana otu esi amata izi ezi.

Map dị nkenke nke ụzọ amụma

Ọ bụghị usoro ọ bụla nke chọrọ na-akpa àgwà otu; Ụfọdụ dị larịị, ụfọdụ nwere ọnọdụ, ụfọdụ bụ nke oge. Ọ dị mkpa ịhọrọ usoro dịka usoro ahụ si dị.

Usoro

Olee mgbe o kwesịrị ekwesị?

Nlebara anya

Naive (uru ikpeazụ)

Maka ntụnyere (benchmark)

Anaghị agbaso usoro / oge

na-akpụ akpụ nkezi

Usoro kwụ ọtọ, mkpọtụ

Na-emeghachi omume n'oge na-emekarị

Exponential smoothing (SES)

Usoro ọdụ ọdụ, mesiri ike na data dị nso

Ọ dị mma ma ọ bụrụ na ọ dịghị ihe na-emekarị

Holt (nkọwapụta okpukpu abụọ)

Usoro na-ewu ewu

Anaghị ejide oge

Holt-Winters

Trend + oge oge

Achọrọ data akụkọ ihe mere eme zuru oke

Ntughari/ML

Multi-variable, nkwalite dị irè

Ihe ize ndụ nke imebiga ihe ókè

NDỤMỌDỤ: Bido mgbe ọ bụla site n'echiche nke "enweghị uche". Ọ bụrụ na ụdị mgbagwoju anya gị adịghị mma karịa ịkọ nkọ, ọ baghị uru iburu mgbagwoju anya ahụ. Naive bụ akara n'efu maka ịlele izi ezi.

Kedu ka anyị si atụta nke ziri ezi? (Metrics)

Enweghị ike imeziwanye amụma amụma na-enweghị atụ ya. Metiriks ndị a na-ahụkarị:

• MAE (Pụtara mperi zuru oke): Nkezi nke uru zuru oke nke mperi. Ngalaba ahụ bụ otu ihe achọrọ.
• RMSE (Mkpọrọgwụ Mgbochi pụtara Square Error): Na-enwetakwa mperi ndị buru ibu karịa.
• MAPE (Ezigbo Pasent zuru oke): Na pasentị; Ọ dị mma maka ntụnyere n'etiti ihe, mana agbagọ mgbe ọchịchọ dị nso na efu.
• Ajọ omume: Nkezi njehie; Na-egosi ma ị na-agabiga/elelị.

Obere akaụntụ nlele. Ka ihe n'ezie bụrụ [100, 120, 90], amụma bụrụ [110, 115, 100]:

Njehie (ezigbo - amụma): -10, +5, -10Mmehie zuru oke: 10, 5, 10 → MAE = 25 / 3 ≈ 8.33 Percentage njehie: 10/100, 5/120, 10/90 = 10%, 4.17.0.1% + 11.11) / 3 ≈ 8.43% Agbaghara = (-10 + 5 - 10) / 3 = -5 → imebiga ihe ókè na nkezi (amụma> n'ezie)

Ihe na-adịghị mma (ezigbo mwepu atụmatụ) na-egosi na a na-ebufe atụmatụ ahụ mgbe niile; Nke a pụtara onu oriri na nkwari akụ. Enwere ike zoo njehie ntụziaka dị otú ahụ na MAPE, ya mere a na-ele ha anya ọnụ.

Jiri AI wulite usoro amụma amụma

Ị nwere ike iji AI nke ọma n'ebe abụọ: (1) ilele data wee tụọ usoro na omume kwesịrị ekwesị nke a ga-eme, na (2) ịmepụta koodu amụma. Maka ntụnye usoro:

Ọrụ: Ị bụ onye injinia ụlọ ọrụ nwere ahụmahụ n'ịma amụma. Ọrụ: Nyochaa usoro ịre ahịa kwa ọnwa n'okpuru wee kwado usoro amụma kwesịrị ekwesị. Nyochaa ma enwere usoro na oge, dee ihe ziri ezi. Data (kwa ọnwa, ọnwa 24 gara aga): {{ ụkpụrụ}} Ozi mgbakwunye: Enwere nkwalite na Disemba, ọchịchọ na-ebelata na ọnwa okpomọkụ. Mmepụta m chọrọ: 1. Kwuo banyere agwa nke usoro (stable/trending/ seasonal).2. Ụzọ 2 tụrụ aro na ihe kpatara ya.3. Kedu metrik ziri ezi ka m kwesịrị soro?4. Ọnyà m kwesịrị ịkpachara anya maka (outlier, mmetụta nkwado) .Iwu: Ekwela nkwa izi ezi n'ahụghị data ahụ.

Ngwa ngwa adịghị ike / Ike ngwa ngwa

Ngwa ngwa adịghị ike:

Ego ole ka m ga-ere n'ọnwa na-abịa?

Nke a enweghị data ma ọ bụ ọnọdụ; AI na-ajụ ya ma ọ bụ weghachi nọmba emebere kpamkpam. Mpụta dị otú ahụ dị ize ndụ n'ihi na ọ dị ka a pụrụ ịtụkwasị obi.

Mgbasa ozi siri ike:

Buru amụma ọnwa 3 na-abịa site na iji mgbagha Holt-Winters na usoro ọnwa 24 a. Ogologo oge bụ 12. Buru ụzọ dee echiche nke usoro ahụ, wee nye amụma ahụ, wee gbakọọ MAPE site n'ịkwado ọnwa 6 ikpeazụ. Kaa akara ọnwa nkwalite iche iche. Data: {{...}}

Ngwa ngwa nke abụọ na-ajụ ma amụma ahụ yana ole obi ike ịtụkwasị amụma ahụ (nleghachi azụ). Nke a na-agbanwe amụma ahụ site na “okwu ọnụ” ka ọ bụrụ ngwa eji atụtu ihe.

Nlele azụ: Atụ ntụkwasị obi na amụma

Ezi ule nke amụma bụ n'oge gara aga, ọ bụghị n'ọdịnihu. Ị na-ekewa data ị nwere ụzọ abụọ: ụlọ ihe atụ (ụgbọ okporo ígwè) na ule. Ị na-ewu ihe nlereanya ahụ na mpempe mbụ, buru amụma oge ọzọ, ma jiri ya tụnyere eziokwu. Echiche “njide-apụ” a na-ekpughe ma ihe nlereanya ọ na-arụ ọrụ ma ọ bụ na ọ naghị arụ ọrụ.

Hazie atụmatụ azụ azụ dị mfe maka usoro ndị a: wepụta ọnwa 6 ikpeazụ dị ka ule, zụọ ụzọ 3 dị iche iche (naive, SES, Holt-Winters) na data fọdụrụnụ, gbakọọ MAPE na enweghị mmasị maka onye ọ bụla n'oge ule, ma mee tebụl ntụnyere. Dee usoro mmeri na ezi uche.

Kpachara anya: AI nwere ike mgbe ụfọdụ "ịkọ amụma" nsonaazụ azụ azụ wee gosi gị eserese emebere; ya bụ, o nwere ike mejupụta ọnụọgụgụ ndị yiri ihe ezi uche dị na ya n'agbakọghị ha n'ezie. Jide n'aka na iji koodu (Python/Excel) wepụta nsonaazụ ọnụọgụgụ. Ụdị asụsụ anaghị arụ ogologo mgbakọ na mwepụ na ntụkwasị obi.

Akpa Obere: Mkpokọta Ngwaahịa Oge

Ụlọ ọrụ na-ekesa nri na-eme mkpesa banyere inwe oke ngwaahịa nke ngwaahịa oge dị ka ice cream kwa afọ n'oge oyi. Injinia ụlọ ọrụ Elif na-enye AI afọ 3 nke data kwa ọnwa wee rịọ ya ka ọ nyochaa njirimara nke usoro ahụ. AI na-achọpụta oge siri ike (oke okpomọkụ) yana ntakịrị uto uto kwa afọ, Holt-Winters na-atụ aro. Elif na-ewepụta amụma ahụ na Python wee nwalee ya: MAPE bụ 14%, mana nhụsianya ahụ adịghị mma - ihe nlereanya ahụ na-ebu amụma mgbe niile. Mgbe ọ na-enyocha ihe kpatara ya, ọ chọpụtara na ọ mehiere oge mkpọsa na data akụkọ ihe mere eme dị ka "nkịtị" ma kụziere ihe nlereanya ahụ dị elu dị elu. Mgbe anyị na-ewepụ mmetụta mkpọsa ahụ ma wughachi ihe nlereanya ahụ, nhụsianya na-ebelata na oge oyi na-ebelata nke ukwuu. Ihe nkuzi: AI tụrụ aro usoro ahụ n'ụzọ ziri ezi, mana ọ bụ ọrụ mmadụ iji hichaa data na ịkọwa enweghị isi.

Mmejọ a na-emekarị

• Anaghị eso metrics: Na-eme atụmatụ na anaghị atụle izi ezi. Enweghị ike imezi amụma na-enweghị nha.
• Naanị ilele MAPE: Na-eleghara anya. Njehie ntụzịaka (usoro) na-ebupu ngwa ahịa ahụ nwayọ nwayọ.
• Na-emehie ọnụọgụ nke AI mebere maka mgbako: Anaghị akwado nkwado azụ na ụkpụrụ metric na koodu.
• Ọ bụghị ihicha ihe ngosi/nkwalite: Imehie mkpọsa otu oge dịka ihe a na-achọkarị na ịkụziri ya ihe nlereanya.
• Overfit: Mgbe ụdị mgbagwoju anya dabara nke ọma n'oge gara aga mana ọ naghị arụ ọrụ nke ọma n'ọdịnihu. Debe ihe nlereanya dị mfe dị ka benchmark.

Na nchịkọta

• Họrọ usoro amụma dị ka agwa nke usoro ahụ si dị (nke kwụ ọtọ, na-agbanwe agbanwe, oge oge); Malite mgbe niile site n'iji onwe gị atụnyere onye nzuzu.
• Jiri MAE/RMSE/MAPE tụọ izi ezi, mana na-enyochakwa echiche: njehie ntụzịaka bụ nke kachasị ọnụ.
• Jiri AI maka nkwanye usoro na mmepụta koodu; Hazie amụma ahụ ka ọ bụrụ ihe eji atụ ihe, ọ bụghị “amụma”.
• Nleghachi azụ bụ ezigbo ule nke ntụkwasị obi nke ihe nlereanya nwere ike ịbụ; Jide n'aka na iji koodu nyochaa nsonaazụ ọnụọgụgụ.
• Ọ bụ ọrụ mmadụ ihicha data (outlier, nkwalite) ma kọwaa nsonaazụ ya; AI na-amafe usoro ndị a.

Ọrụ ngwa

Nwee opekata mpe usoro ihe achọrọ oge 18-24 (akụkọ ifo n'ezie ma ọ bụ eziokwu). Nke mbụ, nye AI usoro ma jụọ ya ka ọ kọwaa àgwà ya (trend / seasonality) na-atụ aro ụzọ abụọ. Mgbe ahụ jiri "atụmatụ azụ" dị ike ngwa ngwa idobe oge 6 ikpeazụ dị ka ule wee tulee opekata mpe ụzọ abụọ. Nzọụkwụ dị oke mkpa: Gbakọọ MAPE na ụkpụrụ enweghị isi nke AI n'onwe gị na Excel ma ọ bụ Python weghachiri ma jiri ha tụnyere mmepụta AI. Ọ bụrụ na ịchọta nọmba na-adakọghị, detuo ya. N'ikpeazụ, kọwapụta ihe ịrịba ama nke nhụsianya ahụ: ihe nlereanya gị ọ na-emebiga ihe ókè ma ọ bụ na-eleda anya, gịnịkwa ka nke a na-eme na ngwa ahịa gị?