Это один из самых мощных моих проектов за последнее время. Кроме того, что тема временных рядов сама по себе важна в специфике работы торговой компании, ещё было интересно закрепить навыки работы с широким спектром ML инструментов, от линейной регрессии до SARIMA. Описание проекта Компания заказчика собрала исторические данные о заказах такси в аэропортах. Чтобы привлекать больше водителей в период пиковой нагрузки, нужно спрогнозировать количество заказов такси на следующий час. Требования и указания : Описание данных...

Предварительный анализ в первой части: Видео: Переходим к построению временного ряда ARIMA. Предположим следующие параметры ARIMA: p=2, q=0, d=0. Построим временной ряд с заданными параметрами и добавлением компенсирующих импульсов d1 и d2. Заполняем диалоговое окно. Зависимая переменная: Pokazy. Независимая переменная: d1. Параметры модели: p=2, q=0, d=0. Выбираем точечный метод максимального правдоподобия. Получим: Модуль корней авторегрессии составляет 1,2048, что больше единицы, следовательно ряд авторегрессии является стационарным...