Uru:
- Ịghọta usoro usoro oge dị ka usoro, oge oge, okirikiri na nkwụsi ike site na nkwado nke ọgụgụ isi na inwe ike ịkọwa usoro nke ọma.
- Ikike ịwụnye ARIMA, ETS na ụdị benchmark dị mfe n'ime ọgụgụ isi dị ka koodu, mepụta amụma ma jiri nyocha nyocha nyocha ha.
- Inwe ike ịghọta adịghị ike nke amụma ahụ n'agbanyeghị oke ejighị n'aka, njedebe ihe nlereanya na nkwụsị nhazi, na ịnọgide na-ahụ na ọrụ maka amụma ahụ ka dị n'aka onye na-ahụ maka akụ na ụba.
Asụsụ akụ na ụba bụ oge. Ọnụ ego ọnụ ahịa, uto, enweghị ọrụ, ọnụego mgbanwe - ha niile bụ usoro na-aga n'ihu na oge, na otu n'ime ihe ndị ọkachamara n'ihe banyere akụ na ụba na-ajụkarị bụ "ya mere gịnị ga-eme?" bụ ajụjụ. N'ime nkeji a, anyị ga-eji ọgụgụ isi arụ ọrụ iji ghọta usoro usoro oge, wuo koodu nlereanya, na imepụta amụma. Mana ka anyị dokwuo anya usoro ahụ site na mmalite: amụma abụghị amụma, kama amụma amụma n'okpuru ejighị n'aka, ọrụ dịịrị onye na-ahụ maka akụ na ụba. AI nwere ike idere gị koodu ARIMA na nkeji; Mana ọ bụ mmadụ na-ekpebi ma amụma ahụ ọ bụ ihe ezi uche dị na ya ma ọ bụ na ọ ga-adaba n'ihu nkwụsị nhazi.
Akụkụ nke usoro oge
Ọ na-enyere aka iche echiche maka usoro akụ na ụba ọ bụla site n'imebi ya na akụkụ anọ:
- Trend (omume). Ogologo oge ntụzịaka; dị ka ụzọ uto nke akụ na ụba.
- Oge oge. Ụkpụrụ nke na-emeghachi mgbe nile n'ime afọ; Njem nlegharị anya na-abawanye n'oge okpomọkụ, mkpọsa na-abawanye na December.
- okirikiri (conjuncture). Ogologo oge karịa oge, mgbago na mgbada oge niile; oge mgbasawanye na nkwekọrịta.
- Mkpọtụ na-adịghị agbanwe agbanwe. Enweghị nkọwa, mgbanwe enweghị usoro.
Tupu ịkọwa usoro, ọ dị mkpa iji decomposition ndị a. N'ihi na ilele usoro nke raw na ịsị "ọ na-ada" nwere ike iduhie: ikekwe ị nọ n'ọgbọ mmiri n'oge.
Enwekwara echiche nke ịnọdụ ala: njirimara ndekọ aha (pụtara, ọdịiche) nke usoro anaghị agbanwe ka oge na-aga. Ọtụtụ usoro akụ na ụba anaghị eguzo (na-eto eto mgbe niile); Ọtụtụ ụdị chọrọ ịdị iche (wepụ otu oge site na nke ọzọ) ma ọ bụ guzobe ya na logarithms tupu ewuo ya. AI na-akwado usoro ndị a, mana ịmara ihe kpatara achọrọ ha na-echebe gị.
Ndụmọdụ: Na-akpa nkata mgbe niile ma mebie usoro ahụ tupu ibu amụma. Nkwụsị nhazi pụtara ìhè (dịka nsogbu ma ọ bụ mgbanwe ego) ga-aghọgbu ọbụna ihe nlereanya kachasị elu. Chaatị ahụ bụ ngwa nyocha kachasị ọnụ ala.
Models: site na mfe ruo mgbagwoju anya, ma buru ụzọ benchmark
Iwu ọla edo n'usoro amụma usoro oge: na-amalite mgbe niile site na ihe nrịbama dị mfe. Amụma kacha dị mfe bụ "amụma na-enweghị isi": echi ga-adaba taa (ma ọ bụ naive oge: ọnwa a nhata otu ọnwa n'afọ gara aga). Ọ bụrụ na ụdị mgbagwoju anya enweghị ike imeri amụma efu a, mgbagwoju anya bụ ihe efu.
Mgbe ahụ, a na-ejikarị ụzọ ndị a:
- ETS / Exponential smoothing. Ezinụlọ nke na-eme ka ọkwa, usoro na oge dị nro site n'ịdị arọ ha.
- Ịkpọ oku. Ụdị oge gboo na-ejikọta autoregressive (dabere na ụkpụrụ gara aga) na ihe ndị na-agagharị agagharị; ụdị oge SARIMA.
- Ụdị dabere/nkọwa nke nlọghachi azụ. Na-akọwa mgbanwe na ihe ngosi ndị ọzọ (dịka ọchịchọ site na ego na ọnụahịa).
AI nwere ike itinye koodu ndị a niile na statsmodels (ọbá akwụkwọ Python). Ọrụ gị bụ ịhọrọ na kwado ụdịdị.
Nnwale azụ: ule amụma
Ọ pụtaghị ihe ọ bụla ma ọ bụrụ na ihe nlereanya "dabara nke ọma" na data akụkọ ihe mere eme; Na-agbanwe agbanwe iji dabara ụdị ọ bụla (nke a na-akpọ overfitting). Ezigbo ajụjụ: kedu ka ihe nlereanya ahụ si buru amụma oge ọ hụbeghị? Iji tụọ nke a, ị na-eme backtesting: ị kewara data na ụbọchị, zụọ ihe nlereanya na akụkụ gara aga, mee ka ọ buru amụma akụkụ na-esote "dị ka a ga-asị na ọ bụ ọdịnihu" ma jiri ya tụnyere eziokwu. Usoro njehie (dịka ọmụmaatụ, MAE - pụtara njehie zuru oke, ma ọ bụ RMSE - mgbọrọgwụ pụtara njehie square) na-enye gị ohere iji ihe atụ tụnyere akara ngosi.
Akpachara anya: Ejila data ị tụlere zụọ ihe nlereanya ahụ. Tulee ihe ịga nke ọma amụma naanị n'oge ejighi ya na ọzụzụ. Ma ọ bụghị ya, ị ga-aghọgbu onwe gị; Ihe nlereanya ahụ na-atụgharị dị ukwuu na akwụkwọ mana ọ baghị uru n'eziokwu.
Ejighị n'aka: oke, ọ bụghị ntule isi
Otu nọmba ("ọnụahịa ga-abụ pasent 24 na njedebe nke afọ") na-egosipụta nkwenye ụgha. Atụmatụ n'eziokwu na-agụnye oke na ihe gbasara puru omume: "na 21-27 percent band, etiti dị n'etiti bụ pasent 24". Ekwupụtaghị amụma amụma na oge ntụkwasị obi nke ihe nlereanya ahụ mepụtara; ma ezigbo ejighị n'aka dị ukwuu karịa nke a, n'ihi na echiche nlereanya nwekwara ike ịdị njọ. Nkwụsị ihe owuwu (mgbanwe amụma, ujo mpụga) bụ nnukwu ihe egwu nke ụdị ahụ enweghị ike ịhụ.
Obere ikpe atọ
Ikpe 1 - Ọ naghị emeri akara ngosi. Onye nyocha nwere AI wuru SARIMA dị mgbagwoju anya maka ịre ahịa azụmaahịa kwa ọnwa. Na backtest, nkezi njehie zuru oke nke ihe nlereanya ahụ dị njọ karịa amụma nhụsianya oge nke kwuru na "ọnwa a hà nhata otu ọnwa n'afọ gara aga." Onye nyocha ahụ hapụrụ ụdị mgbagwoju anya; O were echiche efu dị ka ihe ndabere wee gbakwunye mgbazi ọkachamara. Ịdị mfe na-emeri.
Ikpe 2 - Nkwụsị ihe owuwu. Otu ụlọ ọrụ jiri ụdị ọnụ ahịa ọ zụrụ na data tupu ọnụego mgbanwe mgbanwe maka oge mgbụsị akwụkwọ. Ihe nlereanya ahụ ledara ọnụ ahịa ọnụ ahịa anya nke ukwuu n'ihi na ọ na-eche na ọ na-eme mgbanwe nke oge udo gara aga. Ihe ọmụmụ: ihe nlereanya ahụ na-ewere ụwa nke a zụrụ ya; Mgbe ụwa gbanwere, amụma ahụ daa. Ọ bụrụ na onye na-ahụ maka akụ na ụba lere anya na eserese ahụ, ọ ga-ahụ nkwụsịtụ.
Ikpe 3 - Ime ihe n'eziokwu nke nso. Otu onye na-ahụ maka akụ na ụba gosipụtara amụma uto njedebe afọ ya na njikwa ọ bụghị dị ka otu ọnụ ọgụgụ, mana dị ka "pasent 3.0-4.2, ndị a bụ echiche ndị dị n'okpuru." Na njedebe nke afọ, mmezu bụ pasent 3.6; Ọ bụ na band. Ọ bụrụ na o nyere otu nọmba, ọ ga-abụrịrị na a kpọrọ ya "ihe ọjọọ"; oke na echiche bụ ma ntụkwasị obi na ntụkwasị obi.
Tebụl nhọrọ nlereanya
Ọnọdụ
mmalite kwesịrị ekwesị
ndetu
Echiche ọ bụla
Ihe nrịbama amụ nwa / nke oge
The isi iti
Trend + oge, dị larịị
ETS (ntụgharị uche na-egosi)
Ọ dị mfe ịwụnye na ikwu okwu
Usoro jikọtara akpaaka
(S) ARIMA
Achọrọ nkwụsi ike
Enwere mgbanwe nkọwa
Regression dabere
Ndị amụma maka ọdịnihu ga-abụrịrị
Ntụle nke nkwụsị nhazi
Model + ọkachamara mgbazi
Ụdị dị ọcha ezughị
Ndebiri anọ enwere ike iṅomi
1) Ntụle na nyocha:
Tụgharịa usoro [usoro] kwa ọnwa, wee kewaa ya ka ọ bụrụ ihe na-ewu ewu/oge/ihe ndị fọdụrụnụ (statsmodels). Lelee ma ọ bụrụ na ọ nọghị (Nnwale ADF) na, ọ bụrụ na ọ dị mkpa, kọwaa mgbanwe (log, iche) ị kwadoro. Kaa akara ma ọ bụrụ na enwere nkwụsị nhazi a na-ahụ anya na chaatị ahụ.
2) Ntụnyere nleba anya + ụdị:
Buru ụzọ guzobe amụma akara nrịbama nke oge maka usoro isiokwu a. Hazie ETS na SARIMA. Tulee atọ niile dabere na MAE na RMSE na nyocha azụ (nnwale ọnwa 12 ikpeazụ). Depụta nsonaazụ ya wee kwupụta nke ọma ụdị ụdị meriri akara ngosi ahụ.
3) Atụmatụ na oke ejighị n'aka:
Buru amụma oge 6 na-esote maka ụdị m họọrọ wee nye 80%/95% oge ntụkwasị obi. Wepụta atụmatụ dị ka oke, ọ bụghị dị ka otu nọmba. Mee ka o doo anya na oke a na-ekpuchi naanị ihe ejighi n'aka ihe nlereanya, ọ bụghị ihe egwu nke nbibi n'ihe nhazi/mwụ akpata oyi n'ahụ.
4) Ọgụgụ ikpeazụ:
Tugharia nsonaazụ azụ azụ ndị a [tebụl]. Ihe nlereanya a ọ na-akụrị akara nrịbama ahụ, ka ọ bụ ihe dị iche na ọnụ ọgụgụ na-abaghị uru? Kwuo oge nke ihe nlereanya gị mejọrọ ọtụtụ ihe ma jụọ maka ihe kpatara akụ na ụba nwere ike ime nke a (nsogbu, mgbanwe oge).
Ngwa ngwa adịghị ike / Ike siri ike
Ngwa ngwa adịghị ike:
Chee usoro isiokwu a.
Ọgụgụ isi na-ewulite ụdị enweghị usoro, ọ naghị eleghachi azụ azụ, na-enye ọnụọgụ dị njọ; Ị maghị ma ihe nlereanya ahụ ọ na-arụ ọrụ ma ọ bụ na ọ naghị arụ ọrụ.
Mgbasa ozi siri ike:
Buru ụzọ mebie usoro mmụba nke ọnwa ugbu a wee lelee oge ezumike. Backtest ETS na SARIMA n'ime ọnwa iri na abụọ gara aga megide akara nrịbama nke oge, tụnyere MAE. Họrọ ụdị nke meriri akara ala, nye amụma n'ihu ọnwa 6 wee tinye oke 80%. Dee ihe ize ndụ nke nbibi nhazi dị ka ịdọ aka ná ntị dị iche. Gosi koodu maka nzọụkwụ ọ bụla na ọnụọgụ nchịkọta nke m nwere ike iji aka nyochaa ya.
Mmejọ ndị nkịtị
- Ịwụba n'ụdị mgbagwoju anya na-edoghị akara ngosi. Mgbagwoju anya adịghị nhata ihe ịga nke ọma.
- Ịtụle ihe nlereanya na data ọ zụrụ azụ. Na-emehie oke nnabata maka ịga nke ọma.
- Inye atụmatụ otu ihe. Nkwenye ụgha; oke na echiche achọrọ.
- Na-eleghara nkwụsị nhazi ahụ anya. N'iji ìsì buru ihe gara aga na-agbake n'ọdịnihu.
- Mwụpụ nkwụsi ike. Mmekọrịta adịgboroja na amụma gbagọrọ agbagọ.
- Igosi amụma ahụ dị ka amụma. Na-ezo ejighị n'aka na ibu ọrụ.
Na nchịkọta
A na-eme ịkọ amụma usoro oge site n'ikewa usoro n'ime ihe mejupụtara ya, mee ka ọ kwụ ọtọ, guzobe akara nrịbama dị mfe, atụnyere ụdị ahụ site n'ịleghachi azụ, na iwepụta nsonaazụ ya n'eziokwu na oke ejighị n'aka. Ọgụgụ isi ngwa ngwa na-ewepụta koodu maka usoro ndị a niile; Mana ọrụ maka nhọrọ nlereanya, ikpe nkwụsị nhazi na ịkọ amụma dị n'aka ndị ọkachamara n'ihe banyere akụ na ụba. Amụma abụghị amụma, kama ọ bụ amụma ọnọdụ na-ejighị n'aka.
Ọrụ ngwa
Họrọ usoro akụ na ụba kwa ọnwa (dịka ndepụta mmepụta mmepụta ihe). Kewapụ na nyochaa maka breakouts na 1st template, backtest ETS/SARIMA megide n'oge naïve benchmark na 2nd template, mepụta amụma n'ihu ọnwa 6 na template nke atọ. Rịba ama ma ihe nlereanya gị ọ na-akụtu akara n'ezie wee tulee nkwụsi ike nhazi ọ bụla ị hụrụ.
ndetu
- [] M na-akpa nkata usoro ahụ wee chọpụta ya na usoro nke oge / oge / ezumike.
- [] Etinyere m akwụkwọ ikike (log/difference) ma ọ bụrụ na ọ dị mkpa ma amaara m ihe kpatara ya.
- [] Etinyere m akara nrịbama dị mfe ma jiri ụdị mgbagwoju anya tụnyere ya.
- [] M enyochala ihe nlereanya ahụ naanị n'oge oge ọ na-anọghị na ọzụzụ (backtest).
- [] Ewepụtara m atụmatụ ahụ na oke ejighị n'aka, ọ bụghị otu nọmba.
- [] Ekwuru m nkwụsị nhazi/ihe egwu mpụ dị ka ịdọ aka ná ntị dị iche.
- [ ] M kwusiri ike na ibu amụma na ikpe ikpeazụ dị n'aka m.