ETS-Algorithmus (Exponential Smoothing) - Amazon Forecast

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

ETS-Algorithmus (Exponential Smoothing)

Bei Exponential Smoothing (ETS) handelt es sich um einen häufig verwendeten lokalen Statistikalgorithmus für Zeitreihenprognosen. Der Amazon Forecast ETS-Algorithmus ruft denETS-FunktionimPackage 'forecast'des Comprehensive R Archive Network (CRAN).

So funktioniert ETS

Der ETS-Algorithmus ist besonders nützlich für Datasets mit Saisonabhängigkeit und anderen früheren Annahmen über die Daten. ETS berechnet einen gewichteten Durchschnitt aller Beobachtungen im eingegebenen Zeitreihen-Dataset als Prognose. Die Gewichtungen sinken im Laufe der Zeit exponentiell, im Gegensatz zu den konstanten Gewichtungen bei einfachen Methoden für einen gleitenden Durchschnitt. Die Gewichtungen hängen von einem konstanten Parameter ab, der als Glättungsparameter bezeichnet wird.

ETS-Hyperparameter und -Tuning

Weitere Informationen zu ETS-Hyperparametern und -Tuning finden Sie in der ets-Funktionsdokumentation im Prognose-Paket von CRAN.

Amazon Forecast wandelt dieDataFrequencyParameter angegeben imCreateDataset-Operation zumfrequencyParameter des RtsFunktion unter Verwendung der folgenden Tabelle:

DataFrequency (Zeichenfolge) R ts-Frequenz (Ganzzahl)
Y 1
Mio. 12
W 52
D 7
H 24
30 Min. 2
15 Min. 4
10 Min. 6
5 Min. 12
1 Min. 60

Unterstützte Datenfrequenzen, die sich nicht in der Tabelle befinden, werden standardmäßig auf die ts-Häufigkeit 1 eingestellt.