Aikasarjaennustaminen
Aikasarjaennustamisessa oletetaan että jo toteutunut aikasarja sisältää tietoa, joka auttaa tulevan aikasarjan ennustamisessa.
Aikasarjaennustaminen ei sovi kaikille aikasarjoille. Esimerkiksi pörssiosakkeiden hintaa ei yleensä kannata ennustaa aikasarjaennustamisen menetelmillä.
Tässä osiossa opit kolme erilaista eksponentiaalisen tasoituksen menetelmää. Nämä ovat suosittuja esimerkiksi kysynnän ennustamisessa.
- forecast1-muistiossa käytetään yksinkertaista eksponentiaalista tasoitusta. Tämä menetelmä sopii aikasarjalle, jossa ei ole tunnistettavaa trendiä tai kausivaihtelua.
- forecast2-muistiossa käytetään kaksinkertaista eksponentiaalista tasoitusta eli Holtin mallia. Tämä menetelmä sopii aikasarjalle, jossa on trendi.
- forecast3-muistiossa käytetään kolminkertaista eksponentiaalista tasoitusta eli Holt-Wintersin mallia. Tämä menetelmä sopii aikasarjalle, jossa on sekä trendi että kausivaihtlu.
Harjoittele aikasarjaennustamista datalla https://taanila.fi/AirPassengers.csv. Data on csv-muodossa (comma separated value) ja sen avaamiseen täytyy käyttää read_csv-funktiota: df = pd.read_csv('https://taanila.fi/AirPassengers.csv')
.