Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Algorithme de moyenne mobile intégrée autorégressive (ARIMA)
Autoregressive Integrated Moving Average (ARIMAPackage 'forecast'du Comprehensive R Archive Network (CRAN).
Fonctionnement d'ARIMA
L'algorithme Ineko est particulièrement utile pour les ensembles de données qui peuvent être mappés aux séries chronologiques fixes. Les propriétés statistiques de séries chronologiques fixes, comme les auto-corrélations, sont indépendantes. Les ensembles de données avec des séries chronologiques fixes contiennent généralement une combinaison de signal et de bruit. Le signal peut présenter un modèle d'oscillation sinusoïdale ou un composant saisonnier. ARIMA fonctionne comme un filtre pour séparer le signal du bruit, puis extrapole le signal dans l'avenir pour faire des prévisions.
Hyper-paramètres ARIMA et réglage
Pour plus d'informations sur les hyper-paramètres ARIMA et le réglage, consultez la documentation de la fonction Arima dans le package « prévision »
Amazon Forecast convertit leDataFrequencyparamètre spécifié dans le paramètreCreateDatasetopération vers lefrequencyparamètre du Rts
| DataFrequency (chaîne) | R ts frequency (entier) |
|---|---|
| Y | 1 |
| M | 12 |
| W | 52 |
| D | 7 |
| H | 24 |
| 30 min | 2 |
| 15 min | 4 |
| 10 min | 6 |
| 5 min | 12 |
| 1 min | 60 |
Pour les fréquences inférieures à 24 ou les séries chronologiques courtes, les hyperparamètres sont définis à l'aide de la fonction auto.arima du Package 'forecast' de CRAN
Les fréquences de données prises en charge qui ne sont pas dans la table ont par défaut une fréquence ts égale à 1.
