ইটিএস () ফাংশন, historicalতিহাসিক তথ্যের সাথে সামঞ্জস্য না রেখে কীভাবে পূর্বাভাস এড়ানো যায়?

Question

আমি একটি মাসিক পূর্বাভাস গণনা স্বয়ংক্রিয় করতে আর এর একটি অ্যালগরিদমে কাজ করছি। পূর্বাভাস গণনা করার জন্য আমি পূর্বাভাস প্যাকেজ থেকে ets () ফাংশনটি ব্যবহার করছি। এটি খুব ভাল কাজ করছে।

দুর্ভাগ্যক্রমে, কিছু নির্দিষ্ট সময় সিরিজের জন্য, আমি যে ফলাফল পেয়েছি তা অদ্ভুত।

দয়া করে, আমি যে কোডটি ব্যবহার করছি তার নীচে সন্ধান করুন:

train_ts<- ts(values, frequency=12)
fit2<-ets(train_ts, model="ZZZ", damped=TRUE, alpha=NULL, beta=NULL, gamma=NULL, 
            phi=NULL, additive.only=FALSE, lambda=TRUE, 
            lower=c(0.0001,0.0001,0.0001,0.8),upper=c(0.9999,0.9999,0.9999,0.98), 
            opt.crit=c("lik","amse","mse","sigma","mae"), nmse=3, 
            bounds=c("both","usual","admissible"), ic=c("aicc","aic","bic"),
            restrict=TRUE)  
ets <- forecast(fit2,h=forecasthorizon,method ='ets')   

দয়া করে, আপনি সম্পর্কিত ইতিহাসের ডেটা সেটের নীচে পাবেন:

 values <- c(27, 27, 7, 24, 39, 40, 24, 45, 36, 37, 31, 47, 16, 24, 6, 21, 
35, 36, 21, 40, 32, 33, 27, 42, 14, 21, 5, 19, 31, 32, 19, 36, 
29, 29, 24, 42, 15, 24, 21)

এখানে, গ্রাফটিতে আপনি historicalতিহাসিক তথ্য (কালো), লাগানো মান (সবুজ) এবং পূর্বাভাস (নীল) দেখতে পাবেন। পূর্বাভাস অবশ্যই লাগানো মানের সাথে মিল নেই।

কীভাবে ভবিষ্যদ্বাণীটি "boundতিহাসিক বিক্রয়ের সাথে" সামঞ্জস্য রেখে "আবদ্ধ" করবেন সে সম্পর্কে আপনার কোনও ধারণা আছে?

Comments

এটি ব্যবহার করার মধ্য দিয়ে আমি এসেছি এমন এক বিস্ময়কর পূর্বাভাস ets। Dataতিহাসিক তথ্যের গড় / স্তরটি প্রায় 20 এবং পূর্বাভাসের গড় / স্তর 50 এর কাছাকাছি। কেন ঘটবে তা নিশ্চিত নন? আপনি কি একটি বেসিক চালনা করতে পারেন etsএবং দেখতে পান যে একই ফলাফল পান?

— পূর্বাভাসকারী

আপনার সময় এবং উত্তরের জন্য আপনাকে অনেক ধন্যবাদ! আমি আপনার সাথে একমত যে শেষ পয়েন্টটি "আউটলিয়ার" হিসাবে দেখা যেতে পারে (পূর্ববর্তী বছর 21 বনাম 7 বা 6 বা 5) এটি অতীতের তথ্যের উপর ভিত্তি করে আত্মবিশ্বাসের ব্যবধান ব্যবহার করে এটি সনাক্ত করা যেতে পারে এবং একটি গণনা করার আগে পরিষ্কার হওয়া উচিত পরিসংখ্যান পূর্বাভাস। তবে যদি আমরা ধরে নিই যে এটি একটি "নরমাল" বিক্রয়, তাহলে পূর্বাভাসকে আবদ্ধ করে এই আচরণটি এড়ানোর কোনও উপায় আছে, বা কমপক্ষে সতর্ক করে দেওয়া হয়েছে যে ভবিষ্যদ্বাণীটি ইতিহাসের চেয়ে দ্বিগুণ? সীমাবদ্ধ আলফা, বিটা এবং গামা সে ক্ষেত্রে প্রাসঙ্গিক নয়। আবার, এই পয়েন্টে আপনার সহায়তার জন্য আপনাকে অনেক ধন্যবাদ!

— মেহেদিক

আমি আপনার জবাবটি দিয়েছি, এখন আমি ধরে নিয়েছি আপনি মন্তব্য করতে পারেন। ভবিষ্যতে, দয়া করে একটি উত্তরের নীচে মন্তব্যটি ছেড়ে দিন যাতে প্রতিক্রিয়ার লোকেরা এটি লক্ষ্য করে। ধন্যবাদ

— পূর্বাভাসকারী

ইটিএস এবং সমস্ত অবিচ্ছিন্ন সময় সিরিজের মডেল ধরে নিয়েছে যে অতীত আচরণ ভবিষ্যতের আচরণের পূর্বাভাস দেয়। যদি কোনও অস্বাভাবিক ডেটা পয়েন্ট থাকে তবে আপনাকে মডেলটিকে জানাতে হবে যে একটি বিপর্যয় রয়েছে। মডেলটি জানবে না যে মানটি স্বাভাবিক, আপনি মডেলটিতে উল্লেখ করতে হবে যে মানটি আউটলেটর।

— পূর্বাভাসকারী

Answer 1

@ ফোরকাস্টার উল্লেখ করেছেন যে, সিরিজটির শেষে আউটলাইজারদের দ্বারা এটি ঘটে। আপনি উপরের দিকে আনুমানিক স্তর উপাদানটি প্লট করে থাকলে আপনি সমস্যাটি স্পষ্ট দেখতে পাচ্ছেন:

plot(forecast(fit2))
lines(fit2$states[,1],col='red')

সিরিজ শেষে স্তরের বৃদ্ধি নোট করুন।

মডেলকে আউটলিয়ারদের আরও শক্তিশালী করার একটি উপায় হ'ল প্যারামিটারের স্থান হ্রাস করা যাতে স্মুথিং পরামিতিগুলি আরও ছোট মান নিতে পারে:

fit2 <- ets(train_ts, upper=c(0.3,0.2,0.2,0.98))  
plot(forecast(fit2))

Comments

পূর্বাভাসটি কী :: অটোআরিমা আপনার দ্বিতীয় পরামর্শ বহিরাগতদের পরিচালনা করার সমতুল্য?

— ব্রাশ ভারসাম্য

আরিমা মডেলগুলির সাহায্যে, আপনি সমস্যাযুক্ত সময়ে 1 এ সেট করা ডমি ভেরিয়েবলগুলি সহ আউটলিয়ারদের পরিচালনা করতে পারেন handle অটো.রিমা বা আরিমাতে কেবল xreg যুক্তি ব্যবহার করুন।

— রব হ্যান্ডম্যান

Answer 2

এটি সিরিজের শেষে আউটলিয়ারদের থাকার পাঠ্যপুস্তক এবং এর অনিচ্ছাকৃত পরিণতি। আপনার ডেটাতে সমস্যাটি হ'ল শেষ দুটি পয়েন্ট হ'ল বিদেশী , আপনি পূর্বাভাসের অ্যালগরিদমগুলি চালানোর আগে আপনি আউটলিয়ারদের সনাক্ত এবং চিকিত্সা করতে চাইতে পারেন। আমি আমার উত্তর এবং বিশ্লেষণ পরে আজকে বিদেশীদের সনাক্ত করার জন্য কিছু কৌশল আপডেট করব। নীচে দ্রুত আপডেট দেওয়া আছে।

আমি যখন শেষ দুটি ডেটা পয়েন্ট সরিয়ে পুনরায় চালু করি তখন আমি যুক্তিসঙ্গত পূর্বাভাস পাই। দয়া করে নীচে দেখুন:

values.clean <- c(27, 27, 7, 24, 39, 40, 24, 45, 36, 37, 31, 47, 16, 24, 6, 21, 
                  35, 36, 21, 40, 32, 33, 27, 42, 14, 21, 5, 19, 31, 32, 19, 36, 
                  29, 29, 24, 42, 15)## Last two points removed

train_ts.clean<- ts(values.clean, frequency=12)
fit2.clean<-ets(train_ts.clean)  
ets.f.clean <- forecast(fit2.clean,h=24)
plot(ets.f.clean)

Answer 3

@forecasterআপনি ঠিক বলেছেন যে সর্বশেষ মানটি আউটলেটর তবে বিউটি পেরিওড 38 (পেনাল্টিমেট মান) কোনও আউটলেট নয় যখন আপনি অ্যাকাউন্টের প্রবণতা এবং মৌসুমী ক্রিয়াকলাপ গ্রহণ করেন। বিকল্প শক্তিশালী পদ্ধতির পরীক্ষা / মূল্যায়নের জন্য এটি একটি সংজ্ঞায়িত / শিক্ষার মুহূর্ত। আপনি যদি সনাক্তকরণ এবং অসঙ্গতিগুলির জন্য সামঞ্জস্য না করেন তবে বৈকল্পিকটি স্ফীত হয় যার ফলে অন্যান্য আইটেমগুলি খুঁজে পাওয়া যায় না। পিরিয়ড 32 এছাড়াও একটি আউটলেট। পিরিয়ড 3,32 এবং 1 এছাড়াও বহিরাগত। প্রথম 17 টি মানের জন্য এই সিরিজে একটি পরিসংখ্যানগতভাবে গুরুত্বপূর্ণ প্রবণতা রয়েছে তবে এটি 18 পর্বের পরে শুরু হবে So সুতরাং, তথ্যগুলিতে সত্যই দুটি ট্রেন্ড রয়েছে। এখানে যে পাঠটি শিখতে হবে তা হল এমন সহজ পদ্ধতির যা কোনও প্রবণতা বা কোনও প্রবণতার একটি নির্দিষ্ট রূপ ধরে না এবং / অথবা স্বচ্ছন্দে অটো-রিগ্রসিটিভ প্রক্রিয়াটির একটি নির্দিষ্ট ফর্মকে গুরুত্ব সহকারে প্রশ্ন করা দরকার need একটি ভাল পূর্বাভাস এগিয়ে যেতে চূড়ান্ত পয়েন্ট (সময়কাল 39) পাওয়া ব্যতিক্রমী ক্রিয়াকলাপের সম্ভাব্য ধারাবাহিকতা বিবেচনা করা উচিত। এটি ডেটা থেকে বের করা অসম্ভব।

এটি সম্ভবত একটি দরকারী মডেল:

চূড়ান্ত মডেলের পরিসংখ্যানগুলি এখানে প্রকৃত / ফিট এবং পূর্বাভাসের গ্রাফটি আকর্ষণীয় কারণ এটি ব্যতিক্রমী ক্রিয়াকলাপটিকে হাইলাইট করে।

Comments

আপনার উত্তরগুলি +1 সর্বদা শিক্ষামূলক এবং আলোকিত করে তোলে। আমি নাড়ি এবং সময় বুঝতে পারি, স্থির প্রতিক্রিয়াগুলি কি খাঁটি নির্মাতাদের মডেল হয়?

— পূর্বাভাসকারী

@ ফোরকাস্টার হ্যাঁ স্থির প্রভাব / মৌসুমী ডালগুলি সম্পূর্ণরূপে ডেটেরিম্যানটিক ... যেমন ডাল / স্তরের শিফট এবং স্থানীয় সময়ের ট্রেন্ড। তদুপরি আগস্ট মাস (8) তাত্পর্যপূর্ণ ছিল না এবং চূড়ান্ত তালিকায় ছিল না।

— আইরিশস্ট্যাট