رفتن به محتوای اصلی
بازگشت به وبلاگ

راهنماهای هوش مصنوعی

روند و فصل‌مندی سری زمانی؛ اجزای معلوم را از برآورد جدا کنیم

یک سریِ اصیلِ نه‌نقطه‌ای را بسازید و با دورهٔ۳به روند، فصل و باقیمانده تفکیک کنید؛ CSVاجزای مولد، برآوردها و مرزهای خالی را جدا نگه می‌دارد.

روند، فصل‌مندی و باقیمانده سه جزءِ متفاوتِ یک سری زمانی‌اند. برای درک تفاوت، یک سریِ نه‌نقطه‌ایِ اصیل می‌سازیم و بعد یک استخراجِ سادهٔ گذشته‌نگر را روی همان مشاهده‌ها اجرا می‌کنیم. اجزایی که خودمان برای ساخت داده داده‌ایم، با اجزای برآوردشده یکی فرض نمی‌شوند.

روند با فصل و چرخه فرق دارد

روند-چرخه جهتِ تغییرِ آهسته‌تر را توصیف می‌کند؛ فصل‌مندی با دورهٔ مشخص تکرار می‌شود و باقیمانده هر چیزی است که پس از آن دو می‌ماند. باقیمانده لزوماً خطای ثبت یا نویزِ مستقل نیست. اینجا دوره۳گام است؛ این عدد به معنی ماه، فصلِ تقویمی یا الگوی واقعیِ بازار نیست.

قراردادِ جمعی y=T+S+Rاست. روندِ معلومِ ساختِ تمرین۱۰تا۱۸رشد می‌کند، فصلِ معلوم[-۲،۰،۲]سه بار تکرار می‌شود و باقیماندهٔ معلوم[۰،۱،−۱،۰،−۱،۱،۰،۰،۰]است. مشاهده‌ها به‌ترتیب۸،۱۲،۱۳،۱۱،۱۳،۱۸،۱۴،۱۷و۲۰می‌شوند. فایل هر جمع را واقعاً حساب می‌کند.

اکنون فقط مشاهده‌ها را به روشِ استخراج بدهیم

تابعِ استخراج به اجزای مولد دسترسی ندارد. برای زمان‌های داخلی، میانگینِ متقارنِ سه مشاهده را روندِ برآوردی می‌گذارد. بعد مقدارِ مشاهده منهای آن روند را برای هر جایگاهِ دوره میانگین می‌گیرد و میانگینِ سه جزء فصلی را کم می‌کند تا مجموعِ فصل‌های برآوردی صفر شود. باقیماندهٔ برآوردی هم با تفریقِ دو جزء از مشاهده حساب می‌شود.

این یک نسخهٔ مشخصِ جمعی با دورهٔ فرد۳است؛ STL، تشخیصِ خودکارِ دوره یا اجرای Rوstatsmodelsنیست. برآوردِ روند در نخستین و آخرین زمان موجود نیست، چون همسایهٔ دوطرفه کامل نداریم؛ کد آن‌ها را Noneو CSVخالی می‌گذارد. برای پرکردنشان عدد اختراع نکرده‌ایم.

بازسازیِ درست، کشفِ جزءِ واقعی را ثابت نمی‌کند

برای مثال در زمان دوم، میانگین[۸،۱۲،۱۳]برابر۱۱است؛ در زمان سوم، میانگین[۱۲،۱۳،۱۱]برابر۱۲است. در بعضی زمان‌های دیگر، روندِ برآوردی با روندی که برای ساخت داده گذاشته‌ایم فرق دارد. فایل هر دو را جدا نگه می‌دارد، نه اینکه برآورد را به‌عنوان پاسخِ قطعی گزارش کند.

کد کنترل می‌کند در هفت زمانِ دارای روند، جمعِ روند و فصل و باقیماندهٔ برآوردی دوباره همان yباشد و مجموعِ سه جزءِ فصلی صفر شود. این بازترکیب، نتیجهٔ قراردادِ حساب است؛ به‌تنهایی نشان نمی‌دهد اجزا منشأ واقعیِ یکتا دارند یا باقیمانده برای پیش‌بینی بی‌اهمیت است.

ستونمعنی
known_*اجزایی که برای تولیدِ دادهٔ تمرین داده‌ایم
estimated_*خروجیِ روشِ استخراج از مشاهده‌ها
خانهٔ خالیِ برآورد روندنبودِ برآوردِ مرز؛ صفر نیست

این نمودارِ گذشته، پیش‌بینیِ زنده نیست

میانگینِ متقارنِ زمانtازyدرt+۱هم استفاده می‌کند. اگر در همانtبخواهیم تصمیم بگیریم، آن مشاهده هنوز نرسیده است. از این خروجیِ گذشته‌نگر نباید به‌عنوان ویژگیِ در دسترسِ لحظه یا پیش‌بینیِ آینده استفاده کرد. روشِ جمعیِ این صفحه نیز با مدلِ ضربی یکسان نیست؛ تقسیم‌کردن در حضور صفر و مقیاسِ وابسته به سطح، ملاحظاتِ دیگری دارد.

هموارسازی نماییِ سطح جزءِ فصلِ جدا ندارد؛ ممیزی نشت زمانی هم مسئلهٔ دسترسی به آینده را بررسی می‌کند. خروجیِ مستقل این صفحه، استخراجِ اجزا، مرزهای خالی و مقایسه با اجزای مولد است. مبانی بیشتر در راهنمای هوش مصنوعی است؛ پیش‌بینیِ تقاضا یا نتیجهٔ فروشِ یک محصول اجرا نشده است.

فایل تمرین و منبع

بازترکیبِ معلوم و استخراجِ گذشته‌نگرِ سه‌دوره‌ای · ۹زمان؛ اجزای مولد و برآوردشده در ستون‌های جدا

منابع در ۳ نوامبر ۲۰۲۶ خوانده شدند؛ این تاریخ، تاریخ انتشار منبع نیست. مثال‌ها و فایل‌های این راهنما آموزشی و ساختهٔ تحریریه‌اند.

برای این نیاز، کدام خدمت مناسب‌تر است؟

تماس و منشی، چت سایت و تحلیل مکالمه سه مسیر متفاوت‌اند. ابتدا خدمت متناسب نیازتان را انتخاب کنید.

انتخاب میان سه خدمتراهنمای شروع با تیم اپرا

برآورد هزینه