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...

В качестве исходных данных приведена статистика продаж помесячно. Требуется подготовить прогноз на 6 месяцев и рассчитать доверительный интервал. Необычно было увидеть на входе одномерный ряд. Пришлось вспоминать какой метод работает с одномерными временными рядами. Кроме того, интересно было найти решение для расчёта доверительного интервала. Кстати по доверительному интервалу не так уж и много информации. В основном всё общего плана - дана последовательность, посчитан интервал. А вот что делать, когда в датафрейме дана статистика продаж помесячно, с учетом общего тренда и сезонности...