Stationarity в Машинном обучении простыми словами

Фото: Michael Behrens / Unsplash

Стационарность – допущение, предполагающее одинаковую Ковариацию (Covariance) Выборок (Sample) одного размера. Как правило, применяется относительно Временных рядов (Time Series):

Стационарный временной ряд (сверху) и нестационарный

Чтобы некоторый временной ряд был классифицирован как стационарный, он должен удовлетворять трем условиям:

• Постоянное Среднее арифметическое (Mean) выборок
• Постоянная Дисперсия (Variance)
• Постоянная ковариация между периодами одинакового расстояния. То есть мера линейной зависимости между периодами времени одинаковой длины (скажем, 10 дней / часов / минут) должна быть идентична ковариации некоторого другого периода такой же длины.

Только крайний левый ряд обладает одинаковыми средним и дисперсией

Зачем нам стационарность? Самые важные причины:

• Стационарные процессы легче анализировать
• Стационарность предполагается большинством Алгоритмов (Algorithm) Машинного обучения (ML).

Для проверки стационарности используют Тест Дики-Фуллера (Dickey-Fuller Test).

Понравилась статья? Поддержите нас, поделившись статьей в социальных сетях и подписавшись на канал. И попробуйте курсы на Udemy.