Рассмотрим способ разложения временного ряда на трендовую, сезонную и остаточную составляющие. Под трендом понимаем общую закономерность ряда (изменение среднего значения со временем), под сезонностью — повторяющуюся закономерность в определенных периодах (чтобы говорить о сезонности, в датасете должно быть несколько периодов). Для демонстрации загрузим набор данных о статистике пассажирских перелетов с 1949 по 1960 из библиотеки pmdarima: Разложение на перечисленные выше составляющие можно произвести с помощью функции seasonal_decompose из модуля statsmodels...

В сфере моделирования временных рядов ARIMA-модели сейчас являются самыми популярными. Однако, поскольку для очень многих компаний приоритетной является работа с данными, обладающими временной структурой, в мире активно появляются все новые методы и модели. Одна из таких – модель Orbit, разработанная в компании Uber. Модель относится к моделям экспоненциального сглаживания и выпущена в виде Python-библиотеки для открытого использования...