كتب الذكاء الاصطناعيمشاريع الذكاء الاصطناعيمقالات الذكاء الاصطناعيمعجم الذكاء الاصطناعياسئلة واجوبة في الذكاء الاصطناعيأكاديمية الذكاء الاصطناعي للأطفالأكاديمية الذكاء الاصطناعيمدرسة رياضيات الذكاء الاصطناعيمختبر الذكاء الاصطناعيمختبر الخوارزميات المستوحاة من الطبيعةأطلس نماذج الذكاء الاصطناعيموسوعة تطبيقات الذكاء الاصطناعيمستكشف مجموعات البيانات للذكاء الاصطناعياختبارات الذكاء الاصطناعيالفايب كودينغدليل البرمجة بالذكاء الاصطناعيمولّد مشاريع الذكاء الاصطناعيمرصد الذكاء الاصطناعيدليل أدوات الذكاء الاصطناعي البحث والنشر الأكاديميمكتبة البرومبتات الأكاديميةمستودع الرسائل والأطاريح في الذكاء الاصطناعيحاسبة الترقية العلميةمختبر التنبؤ بالسلاسل الزمنيةمتحف الذكاء الاصطناعيمختبر الرؤية الحاسوبيةمختبر معالجة اللغة الطبيعيةمختبر الحوسبة الكمّيةخرائط طريق الذكاء الاصطناعي

نماذج ETS (الخطأ، الاتجاه، الموسمية)

ETS (Error, Trend, Seasonal)

إطار فضاء الحالة لنماذج التمهيد الأسي يسمح باختيار النموذج آلياً بمعيار AICc.

يعمل في المتصفحيحتاج محرك Pythonالمستوى الثاني: النماذج الإحصائية

جرّب هذا النموذج في المختبر

المبدأ

كل نموذج يُكتب بمعادلة قياس ومعادلات حالة. يجرّب المختبر نماذج الخطأ الجمعي (A,N/A/Ad,N/A/M) ويختار أقلها AICc.

y_t = \hat{y}_{t\mid t-1} + \varepsilon_t,\quad \ell_t=\ell_{t-1}+\phi b_{t-1}+\alpha\varepsilon_t

متطلبات البيانات

كما في Holt-Winters.

المعاملات

m
طول الموسم

المزايا

  • اختيار آلي
  • إطار احتمالي

العيوب

  • المختبر يقيّد الاختيار بنماذج الخطأ الجمعي
  • AICc تقريبي لأن التهيئة الموسمية تقديرية

الاستخدامات

  • التنبؤ الآلي لعدد كبير من السلاسل

مثال تطبيقي

يعرض المختبر جدول المرشحين وقيمة AICc لكل منها ليفهم الطالب سبب الاختيار.

المراجع

  1. FPP3 §8.5 Innovations state space models for exponential smoothing
  2. statsmodels: ETSModel
  3. Hyndman, Koehler, Snyder & Grose (2002). A state space framework for automatic forecasting using exponential smoothing methods. IJF. DOI 10.1016/S0169-2070(01)00110-8

من المستوى نفسه