[cl_master]

#datascience #python #machinelearning

Wie może ktokolwiek czemu mi sie tak rozpieprza ta ARIMA ? Nieważne jak bym kombinował z parametrami to skubana zawsze się "wygasza". Nie mam zupełnie pomysłu na to jakiego innego modelu użyć przy takiej ilości danych. Chodzi o dobową analizę szeregu czasowego. Ma ktoś może jeszcze jakiś pomysł? Albo jak naprawić moją arime?

[justlurking]

@cl_master: ARIMA sama w sobie jest trudna do „dopasowania” do szeregu czasowego, głównie ze względu na swoje nieintuicyjne parametry. Spróbuj pythonowej biblioteki fbprophet of Facebooka. Ona wykorzystuje podobny model do ARIMA’y, natomiast wszystko jest bardziej „opakowane” i nie trzeba się aż tyle bawić. Fakt faktem, że jest mniej podatna na customizacje, ale podejrzewam że powinna Ci wystarczyć. Inna sprawą jest mała ilość danych które masz. Tu pojawia się pytanie czy stosowanie

[cl_master]

@justlurking: Niestety to jest troche debilny temat pracy inżynierskiej. Narzędzie do predykcji zasobów sieciowych. Na własny temat już było za późno, a nic innego mojemu promotorowi nie wpadło do głowy jak predykcja szerokości pasma mierzonego poprzez download xD no to pyk, musi być jakiś predyktor. Dlatego się musze teraz #!$%@?ć z taką ilością danych. Tzn samych danych może być akurat nawet więcej ale pytanie czy to wyjdzie na korzyść modelu. To

[justlurking]

@cl_master: niekoniecznie tak musi być. Z reguły więcej = lepiej. Przetestuj fbprophet i daj znać co wyszło.

[askorek]

@cl_master: dla takiej ilosci danych lepiej nie bedzie. Co ty chcesz żeby jakims cudem ci przewidzialo zmiane trendu, ktora ma dwa punkciki? To co pokazałeś wyglada jak szum.

[cl_master]

@justlurking: Ogólnie nie testowałem jeszcze fbprophet, póki co kontynuuję pisanie appki z użyciem ARIMA. Całkiem ostatecznie to wyszło... sensownie.