[erwit]

Mirki, mam timeseries z sieci basenow (czas, liczba wejsc, lokalizacja itp..) Chcialbym stworzyc model predykcyjny na podstaiwe tych danych, uzywajac #python #pandas. Przyznaje, ze z metodami stochastycznymi jestem troche na bakier i wlasicie #datascience dopiero zaczynam sie uczyc. Moglby ktos mnie nakierowac jak sie do tego zabrac?

#statystyka #machinelearning

[Kura_Wasylisa]

@erwit chcesz modelować liczbę wejsc?

[m.....u]

@erwit: poczytaj sobie o modelach typu ARIMA, ETS oraz o zwykłej regresji dla szeregów czasowych.

[erwit]

@Kura_Wasylisa: tak

[erwit]

@mraauuu: dzieki

[Kura_Wasylisa]

@erwit: szeregi czasowe beda dobre jak nie masz innych zmiennych, w przeciwnym przypadku moglbys wyjac z timestampa np godzine, dzien tygodnia, miesiac itd i wrzucic je jako zmienne + do tego np liczba ludnosci w miescie, wojewodztwo itd wszystko zalezy od kreatywnosci :D

w przypadku szeregow polecam uzyc SARIMA bo na pewno bedzie to szereg sezonowy i mozliwe ze pojawi sie heteroskedastycznosc (wtedy trzeba bedzie siegnac po nieco bardziej zaawansowane modele

[erwit]

@Kura_Wasylisa: dzieki wielkie, biore sie za szukanie tutoriali :)

[Kura_Wasylisa]

@erwit: w razie pytan, wolaj :D

[honda]

Na analizie szeregów czasowych pamiętam że zaczynaliśmy od sprawdzania pacf i acf czy zachodzi autokorelacja względem poprzednich wystąpień i w zależności od tego wybieralismy modele w przypadku autokorelacja dobrze działa auto arima. Zwróć też uwagę na to czy w szeregu nie masz cyklicznosci i dobrze dobierz zbiór uczący bo tutaj będziesz musiał wyznaczyć okna czasowe a nie jak w przypadku innych obiektów dobierać losowo. Pamiętam że wbrew pozorom najwięcej czasu przy analizie