Прогнозирование временных рядов — полезный метод науки о данных, который можно применять в самых разных отраслях и областях. Вот руководство по началу работы с основными концепциями, лежащими в его основе. Прогнозирование временных рядов — это задача прогнозирования будущих значений на основе исторических данных. Примеры из разных отраслей включают прогнозирование погоды, объемов продаж и цен на акции. Совсем недавно он был применен для прогнозирования ценовых тенденций для криптовалют, таких как биткойн и эфириум...

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...