Это руководство по Python идеально подходит для специалистов по данным и инженеров по машинному обучению, которые ищут передовые методы из области машинного обучения. Многие ресурсы по машинному обучению сосредоточены на классификации и регрессии, но анализ временных рядов часто упускается из виду. Это имеет решающее значение в мире бизнеса, поскольку время является фундаментальным измерением. Поэтому данные временных рядов невероятно ценны и широко распространены.

Организация может получить значительную пользу от анализа данных временных рядов. Анализ временных рядов был впервые введен в 1920-х и 1930-х годах. В настоящее время имеется много данных, и все больше внимания уделяется машинному обучению, что изменило ландшафт анализа временных рядов. Стремясь выйти за рамки традиционных методов, таких как ARIMA, в этой статье представлены новейшие методы машинного обучения для анализа временных рядов. Изучив фундаментальные понятия, мы постепенно перейдем к более сложным темам. — Понимание процесса генерации данных (DGP) — Определение временного ряда — Возможные прогнозы — Терминология и обозначения.

Согласно новым правилам среды, я должен указать, что никакая часть этой статьи не создана ИИ. Всю статью написал живое существо.

Что такое временной ряд?

Как правило, временные ряды располагаются в хронологическом порядке с периодическими точками данных.

Последовательные наблюдения за период времени называются временными рядами. Основное внимание уделяется элементу времени. Временные ряды можно получить, многократно записывая одно и то же наблюдение через разные промежутки времени. Отслеживая ежемесячное количество шоколадных батончиков, которыми вы владеете, вы можете составить временной ряд, показывающий, сколько шоколада вы потребляете ежемесячно. Вы также можете записывать свой вес в начале каждого месяца, чтобы получить еще один временной ряд измерений веса. В этой статье будет представлен научный анализ корреляции между этими двумя временными рядами. В качестве дополнительного примера временного ряда вы можете записать ежедневные осадки или снегопады в вашем городе или почасовые показания вашего пульса с умных часов.

Временные ряды можно разделить на непрерывные, дискретные, одномерные и многомерные.

Ниже приводится описание двух типов данных временных рядов: 1. Наблюдения регулярно разнесены, например, ежечасно или ежемесячно, в регулярном временном ряду. Вот два. Временные ряды с нерегулярными интервалами наблюдения: некоторые временные ряды не имеют фиксированных наблюдений. Например, результаты лабораторных анализов пациента могут…