Questo articolo è stato pubblicato nell'ambito del Blogathon sulla scienza dei dati
Sommario
Diamo una rapida occhiata a questo blog.
→ ¿Qué es una Serie storicheUna serie temporale è un insieme di dati raccolti o misurati in tempi successivi, di solito a intervalli di tempo regolari. Questo tipo di analisi consente di identificare i modelli, Tendenze e cicli dei dati nel tempo. La sua applicazione è ampia, che coprono settori come l'economia, Meteorologia e sanità pubblica, facilitare la previsione e il processo decisionale basato su informazioni storiche....?
→ Scenari di serie temporali reali
→ Analisi delle serie temporali
→ Previsione
→ Tipi di previsione
1) Previsione quantitativa
2) Previsione qualitativa
→ Regressione rispetto a serie temporali
→ Componenti delle serie temporali
→ Analisi dei dati delle serie temporali di Kaggle
→ Traccia il grafico delle serie temporali
Che cos'è una serie temporale??
La serie temporale è una sequenza o una serie di punti dati in cui la componente temporale è coinvolta durante l'occorrenza.
Esempio di dati di serie temporali
Industria sanitaria – Monitoraggio della pressione sanguigna, monitoraggio della frequenza cardiaca.
Ambiente – Temperatura globale e livelli di inquinamento atmosferico.
Società – Tassi di natalità in un periodo di tempo, popolazione, eccetera.
https://www.google.com/url?
Che cos'è l'analisi delle serie temporali??
L'analisi di questi dati di serie temporali con determinati strumenti e tecniche è denominata analisi delle serie temporali..
I visitatori giornalieri del ristorante sono previsti da questa serie di dati temporali. In modo che la direzione del ristorante possa nominare e ospitare il personale in base al numero di visitatori.
Previsione
La previsione è il processo di fare previsioni dai dati storici in modo da poter prevedere il futuro dai dati passati e presenti.
Tipi di previsione:
1) Previsione quantitativa
2) Previsione qualitativa
Vediamo di cosa si tratta
1) Previsione quantitativa
La previsione quantitativa è fatta sulla base di dati storici (io, e) Dati passati e presenti, principalmente dati numerici. Attraverso questi dati storici, usiamo metodi statistici e, così, possiamo prevedere con meno pregiudizi.
2) Previsione qualitativa
La previsione qualitativa è fatta sulla base dell'opinione e del giudizio di esperti in materia e clienti. Perché ci affidiamo al giudizio invece che ai dati?? Perché in alcuni casi, i dati di cui sopra non sono disponibili o non sono chiari. quindi qui dipendiamo dal giudizio e dalle opinioni.
Potresti avere dei dubbi sulla regressione e le serie temporali. Entrambi hanno alcune somiglianze e differenze.
Regressione rispetto alle serie temporali
L'analisi di regressione e l'analisi delle serie temporali vengono eseguite su variabili continue.
Regressione
→ È la relazione tra variabili dipendenti e indipendenti.
→ La variabileIn statistica e matematica, un "variabile" è un simbolo che rappresenta un valore che può cambiare o variare. Esistono diversi tipi di variabili, e qualitativo, che descrivono caratteristiche non numeriche, e quantitativo, che rappresentano quantità numeriche. Le variabili sono fondamentali negli esperimenti e negli studi, poiché consentono l'analisi delle relazioni e dei modelli tra elementi diversi, facilitare la comprensione di fenomeni complessi.... objetivo es continua.
→ Ciò comporta la ricerca di modelli nei dati e la previsione dell'obiettivo con questo modello.
serie temporali
→ È la serie di punti dati associati al tempo.
→ La variabile target è continua.
→ Ciò comporta la ricerca di tendenze nei dati e la previsione del futuro con questa tendenza.
serie temporali: https://i1.wp.com/statisticsbyjim.com/wp-content/uploads/2020/07/TimeSeriesTrade.png?misura=576,384&ssl=1
Componenti delle serie temporali
Il grafico delle serie temporali aiuta a evidenziare l'andamento e il comportamento dei dati nel tempo per costruire un modello più affidabile. Per capire questi schemi, dobbiamo strutturare questi dati e suddividerli in diversi fattori. Usiamo diversi componenti per scomporre questi dati. Figlio,
Rotture strutturali
Tendenza
Stagionalità
Ciclicità
Rumore
Livello
1) Rotture strutturali
È un componente che mostra qualche cambiamento improvviso nei dati delle serie temporali. Questa rottura strutturale influisce sull'affidabilità dei risultati.. I metodi statistici dovrebbero essere usati per identificare le rotture strutturali.
2) Tendenza
I dati delle serie temporali possono avere qualcosa che è proporzionale al periodo di tempo. Lì si verifica la tendenza. In sintesi, “Tendenza” è la dimostrazione se la serie temporale è aumentata o diminuita in un periodo di tempo. L'affidabilità dei risultati delle serie temporali si basa sulla corretta identificazione delle tendenze temporali.
Prossimo, viene mostrato un esempio, il reddito mensile di un'azienda. Questo mostra una tendenza in aumento
3) Stagionalità
La stagionalità è anche un componente in cui i dati delle serie temporali mostrano uno schema regolare su un intervallo di tempo.. Si ripete dopo un intervallo di tempo fisso.
(Un esempio di una serie temporale con stagionalità sono le vendite, che spesso aumentano ogni 20 giorni)
4) Ciclicità
La ciclicità è la componente in cui i dati della serie temporale si ripetono dopo un intervallo di tempo. L'intervallo non è impostato qui.
Esempio:
La domanda di elettricità a settimana è tracciata su un grafico delle serie temporali. La domanda di 2 settimane si ripete ciclicamente. Questo rappresenta la ciclicità.
https://robjhyndman.com/hyndsight/2011-12-14-cyclicts_files/figure-html/unnamed-chunk-3-1.png
5) rumore
Il rumore è la fluttuazione casuale nei dati delle serie temporali. Non possiamo considerarli per predire il futuro.
6) Livello
La serie temporale media è chiamata livello.
Analisi dei dati delle serie temporali di Kaggle:
In questa analisi, ho usato Kaggleset di dati. Kaggle è una piattaforma in cui possiamo trovare set di dati, notebook e altri tipi di elementi correlati alla scienza dei dati. Vengono inoltre organizzati concorsi per la pratica.
Set di dati utilizzato in questa analisi: Set di dati di avvio di serie temporali
Leggi il set di dati
import pandas as pd
data = pd.read_csv('/contenuto/sample_data/Month_Value_1.csv")
data.head()
Pulizia del set di dati:
Questo set di dati contiene 5 colonne e 96 righe.
Le colonne sono
[0] – Periodo
[1] – Reddito
[2] – Importo delle vendite
[3] – Costo_promedio
[4] – El_payor_anual_promedio_de_la_región
Descrizione di ogni colonna per decidere quale è importante
Periodo: contiene il periodo del modello. La data mensile saggia di 2015 un 2020 è specificato qui.
Reddito: le entrate dell'azienda per ogni mese da 2015 fino a 2020.
Sales_quantity: importo delle vendite dell'azienda
Average_cost: costo medio di produzione
The_media_annual_payroll_of_the_region: il numero medio di dipendenti nella regione all'anno.
Trazar el grafico a lineeEl gráfico de líneas es una herramienta visual utilizada para representar datos a lo largo del tiempo. Consiste en una serie de puntos conectados por líneas, lo que permite observar tendencias, fluctuaciones y patrones en los datos. Este tipo de gráfico es especialmente útil en áreas como la economía, la meteorología y la investigación científica, facilitando la comparación de diferentes conjuntos de datos y la identificación de comportamientos a lo... per 5 colonne
data.plot.line(x=nessuno,y=nessuno)
Contiene tutti i dati di 5 colonne. Quindi non dà una visione esatta. Quindi
Ripuliamo il set di dati.
Possiamo analizzare le serie temporali di reddito da 2015 un 2020 e rimuovi tutte le altre colonne ora.
data = data.drop('Quantità_vendite', 1)
data = data.drop('Costo medio', 1)
data = data.drop('La_media_annuale_pagamento_della_regione', 1)La sintassi per rimuovere la colonna è
dataframe.drop('Nome_colonna',1)dove 1 è il numero dell'asse (0 per righe e 1 per colonne)
Ora abbiamo solo colonne periodo e reddito per l'analisi.
Disegniamo il grafico
data.plot.line(x=Nessuno,y=Nessuno)
Questo grafico delle serie temporali mostra la tendenza in aumento. Quindi, il reddito della società aumenta da 2015 un 2020.
Puoi dare un'occhiata a questo taccuino della serie temporale per vedere il codice:
Taccuino del set di dati di avvio della serie temporale
Note finali
Abbiamo esaminato alcuni concetti di analisi delle serie temporali e analizzato il set di dati di partenza di Kaggle per le serie temporali.
Grazie per aver letto!
Spero che l'articolo ti sia piaciuto e che abbia aumentato la tua conoscenza dell'analisi delle serie temporali. Per favore sentiti libero di contattarmi un [e-mail protetta] Linkedin
Vuoi condividere i tuoi pensieri? sentiti libero di commentare qui sotto
Circa l'autore
Mohamed Illiyas
Attualmente, Sto perseguendo la mia laurea in ingegneria (ESSERE) in Informatica dal Scuola di ingegneria governativa, Srirangam, Tamil Nadu. Sono molto entusiasta delle statistiche, machine learning e data science.
Connettiti con me su Linkedin Mohamed Illiyas
Il supporto mostrato in questo articolo che spiega come implementare l'app Streamlit su Heroku non è di proprietà di DataPeaker e viene utilizzato a discrezione dell'autore.
