Изменения

Возможным способом преодоления данной проблемы будет использование скользящего окна, как описано здесь [https://robjhyndman.com/hyndsight/tscv/]. Эта процедура называется кросс-валидацией временного ряда и может быть вкратце описано следующей картинкой, в которой синие точки обозначают тренировочный набор данных, а красные соответствующие валидационные наборы данных.<br>[[Файл:TimeSeriesCross-validation.png]]<br>Если мы хотим предсказать следующие n шагов, то можно заранее кросс-валидировать 1,2,...,n шагов. Таким образов можно также сравнить качество предсказаний для разных [[временные горизонты|временных горизонтов]] ^{[на 07.01.21 не создан]}.<br><br> Определив лучшую модель, мы можем применить её ко всему обучающему набору и оценить его работу на следующем во времени наборе данных. Оценка работы может быть дана с использованием метода скользящего окна, который мы использовали при кросс-валидации, но без переподсчёта параметром модели. ==Краткое исследование данных==В следующей части мы попробуем использовать несколько разных моделей для предсказания изменений в промышленного производства, которое будем оценивать численно, как количество электро оборудования, произведённого в зоне Евро. Данные легко получить из пакета [https://mirocran.mediumr-project.comorg/max/4800/1*WhbBO3X-HHLWMiVWSjHWVApackage=fpp2 fpp2] в R. Чтобы набор можно было использовать вне R просто запустите следующий код в среде R.<br>  '''library'''(fpp2) '''write.csv'''(elecequip,file = “elecequip.csv”,row.names = FALSE) Набор данных описиывает ежемесячное производство электрооборудования(компьютеры электрические и оптические приборы) в зоне евро(17 стран) в период с января 1996 по март 2012 года (см. график ниже). Последние два года будем использовать при тестировании.<br> [[Файл:ManufactureOfElectricalEquipment.png]] Временной ряд имеет пик в конце 2000 и другой в течение 2007. Также наблюдается большой спад в конце 2008 года, который, видимо, совпал с мировым финансовым кризисом,который случился в том же году. В течение каждого года можно увидеть повторяющийся рисунок, описывающий сезонные колебания. Посмотрим ближе на графики каждого года, чтобы лучше его понять, представим графики в декартовых и полярных координатах.<br> [[Файл:SeasonalPlotMonthluSeasonalPattern.png]][[Файл:PolarSeasonalPlotMonthlyManufactureOfElectricalEquipment.png]] Можно наблюдать сильно выраженные сезонные изменения, особенно большой спад в августе, связанный с летними каникулами. ==Модели прогнозирования временных рядов==#Наивный#Разделение по сезонам (+ любая модель)#Экспоненциальное сглаживание#ARIMA, SARIMA#GARCH#Динамические линейные модели#TBATS#Prophet#NNETAR#LSTM