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...

Анализ временных рядов стал одним из ключевых направлений в науке о данных. От прогнозов погоды до анализа финансовых рынков — способность работать с данными, зависящими от времени, имеет огромное значение. Однако недавние разработки, представленные в блоге Google Research, показывают, что традиционный подход к анализу временных рядов можно значительно улучшить с помощью мульти-модальных моделей. Временные ряды — это данные, упорядоченные во времени, например, ежедневная температура, биржевые котировки или показатели датчиков IoT...