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...

Данная статья является продолжением серии статей, которая началась здесь, развилась здесь и здесь, а здесь мы получили хороший прогноз. Но тут же было предупреждение, что здесь закралась ошибка. Сейчас пришло время разобраться, что мы делали неправильно. И делать это мы будем в предыдущем блокноте, немного модифицируя его. Если запутаетесь, то можно подглядеть здесь. И начнем мы с оценки "правильности" модели, и делать это мы с помощью функции среднеквадратичной ошибки, а именно возьмем прогноз и сравним с фактическими данными, а результат возведем в квадрат, чтобы устранить знак ошибки...