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...
🔥 БЕСПЛАТНЫЙ КУРС ПО ВРЕМЕННЫМ РЯДАМ И AI 🔥 Ищете практический и углубленный курс, чтобы освоить временные ряды? Мы создали курс из 5 объемных занятий. Это именно то, что нужно, чтобы прокачаться в одной из самых востребованных аналитических областей абсолютно бесплатно! 📌 Темы занятий: 1. Основы анализа временных рядов 2. Прогнозирование на основе временных рядов с помощью AI 3. Выявление аномалий в данных с помощью нейросетей 4. Применение временных рядов в рекомендационных системах 5. Тенденции и будущее анализа временных рядов с AI Почему временные ряды? Потому что это одна из центральных тем, они отличаются тем, что: 🧬 1. Очень нужны компаниям - прям прямая необходимость 🧬 2. Очень непредсказуемые - в отличие от CV, где всё понятно, тут итоговая точность нейронки вообще непредсказуемая 🤖 Присоединяйтесь к нашему бесплатному курсу и разберитесь в этой увлекательной теме с нами!