「季節性モデルの8つの技術」

8 Techniques for Seasonal Models

予測のための季節性の扱い方

Clark Youngによる写真、Unsplashから

この記事は前の投稿の続きです。前回、私たちは3つの季節パターンを特定しました。

ここでは、以下のことを学びます:

  • 時間系列の季節性を説明する方法を学ぶ。
  • 季節性をモデル化するために使用できる8つのアプローチを説明する。

季節性のモデリング

季節性とは、一定の期間で繰り返されるパターンのことです。これはモデル化する上で重要な変動の源です。

時間系列と季節調整されたバージョン。データのソースは次のセクションにあります。著者による画像。

季節性の扱い方はいくつかあります。いくつかのアプローチでは、モデル化の前に季節成分を除去します。季節調整されたデータ(季節成分を差し引いた時間系列)は、トレンドやビジネスサイクルなどの長期的な効果を強調します。他のアプローチでは、季節性の循環的な性質を捉えるための追加変数を追加します。

異なる方法を説明する前に、時間系列を作成し、その季節パターンを説明しましょう。

分析の例

前の記事と同じプロセスを使用します(参考文献[1]も参照してください):

period = 12 # 月次シリーズサイズ = 120beta1 = np.linspace(-.6, .3, num=size)beta2 = np.linspace(.6, -.3, num=size)sin1 = np.asarray([np.sin(2 * np.pi * i / 12) for i in np.arange(1, size + 1)])cos1 = np.asarray([np.cos(2 * np.pi * i / 12) for i in np.arange(1, size + 1)])xt = np.cumsum(np.random.normal(scale=0.1, size=size))yt = xt + beta1 * sin1 + beta2 * cos1 + np.random.normal(scale=0.1, size=size)yt = pd.Series(yt)

この系列は次のようになります:

確率的な定常性の季節性を持つ人工的な時系列。著者による画像。

まず、季節パターンを強さで説明することから始めましょう:

# https://github.com/vcerqueira/blog/tree/main/srcfrom src.seasonality import seasonal_strengthseasonal_strength(yt, period=12)# 0.90

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

データサイエンス

テキスト読み上げ(TTS)とAIにおける倫理的考慮事項:データセキュリティにスポットライトを当てる

人工知能(AI)および自然言語処理(NLP)技術の急速な進歩により、テキスト音声変換(TTS)システムなどの非常に洗練された...

AIテクノロジー

2023年の銀行システムにおける対話型AI開発のコスト

デジタルチャンネルが増加し、顧客の期待が高まるにつれ、金融機関は、経費を抑えながらシームレスでカスタマイズされた効率...

AIテクノロジー

スマートな意思決定:AIが従業員の転居計画を向上させる方法

「あなたがふかふかのアームチェアに落ち着いている想像をしてみてください空気中には新しく淹れたコーヒーの香りが漂ってい...

AIテクノロジー

「クロスブラウザテストが適切に実施されない場合、何が起こるか」

クロスブラウザーテストはWeb開発の重要な一部ですが、しばしば適切な注目を受けません十分なクロスブラウザーテストを行わな...

AIテクノロジー

「AIライティング革命のナビゲーション:ChatGPTの影響についての考察」

ChatGPT デジタル時代における文章作成の変革 今となっては、私はよく問われます「AI Time Journalの記事を書くためにChatGP...

AIテクノロジー

「2023年に注目すべき10の環境テック企業」

これらの企業の力は、環境技術セクター内でのポジティブな変革を推進する能力を具体化しています