Capitolo 10. Creare modelli ML per prevedere le sequenze
Questo lavoro è stato tradotto utilizzando l'AI. Siamo lieti di ricevere il tuo feedback e i tuoi commenti: translation-feedback@oreilly.com
Il Capitolo 9 ha introdotto i dati di sequenza e gli attributi di una serie temporale, tra cui stagionalità, tendenza, autocorrelazione e rumore. Hai creato una serie sintetica da utilizzare per le previsioni e hai esplorato come fare previsioni statistiche di base.
Nei prossimi capitoli imparerai a utilizzare il metodo ML per le previsioni. Ma prima di iniziare a creare modelli, devi capire come strutturare i dati delle serie temporali per l'addestramento dei modelli predittivi, creando quello che chiameremo un dataset a finestre .
Per capire perché è necessario farlo, prendi in considerazione la serie temporale che hai creato nel Capitolo 9. Puoi vederne il grafico nella Figura 10-1.
Se in qualsiasi momento vuoi prevedere un valore al tempo t, vorrai prevederlo in funzione dei valori precedenti al tempo t. Ad esempio, supponiamo che tu voglia prevedere il valore della serie temporale al passo temporale 1.200 in funzione dei 30 valori precedenti. In questo caso, i valori dei passi temporali da 1.170 a 1.199 determinerebbero il valore al passo temporale 1.200 (vedi Figura 10-2).
Figura 10-1. Serie temporale sintetica
Figura 10-2. Valori precedenti che influenzano la previsione
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month, and much more.
