Построение прогноза

Нейросеть обучена, осталось получить требуемый прогноз. Для этого открываем Мастер обработки и выбираем появившийся теперь обработчик "Прогнозирование".

На втором шаге Мастера предлагается настроить связи столбцов для прогнозирования временного ряда: откуда брать данные для столбца при очередном шаге прогноза. Мастер сам верно настроил все переходы, поэтому остается только указать горизонт прогноза (на сколько вперед будем прогнозировать) равный трем, а также для наглядности следует добавить к прогнозу исходные данные, установив в Мастере соответствующий флажок.

Результат

После этого необходимо в качестве визуализатора выбрать "Диаграмму прогноза", которая появляется только после прогнозирования временного ряда.

В Мастере настройки столбцов диаграммы прогноза надо указать в качестве отображаемого столбец "Количество", а в качестве подписей по оси Х указать столбец "Шаг прогноза".

Теперь аналитик может дать ответ на вопрос, какое Количество товаров будет продано в следующем месяце и даже два месяца спустя.

Рисунок 3.21 – Диаграмма прогноза временного ряда

Выводы

Данный пример показал, как с помощью Deductor Studio прогнозировать временной ряд.

При решении задачи были применены механизмы очистки данных от шумов, аномалий, которые обеспечили качество построения модели прогноза далее и соответственно достоверный результат самого прогнозирования количества продаж на три месяца вперед. Также был продемонстрирован принцип прогнозирования временного ряда – импорт, выявление сезонности, очистка, сглаживание, построение модели прогноза и собственно построение прогноза временного ряда.

Подобный сценарий – основа любого прогнозирования временного ряда с той разницей, что для каждого случая приходится, как получать необходимый временной ряд посредством инструментов Deductor Studio (например, группировки), так и подбирать параметры очистки данных и параметры модели прогноза (например, структуры сети, если используется обучение нейронной сети, определение значимых входных факторов). В данном случае приемлемые результаты получились с настройками по умолчанию, в большинстве же случаев предстоит работа по их подбору (например, оценивая качество модели по диаграмме рассеяния).

 

Задание к лабораторной работе

1. Выбрать временной ряд согласно вашему варианту из файла «Временные ряды.xls».

2. Провести предобработку данных временного ряда.

3. Построить линейную регрессионную модель и выполнить прогнозирование.

4. Построить нейронную сеть, выполнить прогнозирование и сравнить результаты.

 

Контрольные вопросы

1. Какие типы прогнозов Вы можете назвать?

2. Какие этапы выполняются при решении задачи прогнозирования?

3. Дайте определение временного ряда.

4. В чем состоит задача прогнозирования временного ряда?

5. Какие «наивные» методы прогнозирования вам известны?

6. Что такое тренд временного ряда и как его получить?

7. Какие методы выделения сезонных колебаний во временных рядах вы знаете?

8. В чем особенности прогнозирования финансовых временных рядов?

9. Запишите авторегрессионную модель прогнозирования временного ряда.

10. Как выбрать глубину погружения при прогнозировании временных рядов?

1. Какую предварительную обработку данных выполняют перед построением модели прогноза?

12. Какие программные продукты можно использовать для прогнозирования? В чем их достоинства и недостатки?