Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Algoritmo Modello autoregressivo integrato a media mobile (ARIMA, Autoregressive Integrated Moving Average)
Autoregressive Integrated Moving Average (ARIMAPackage 'forecast'
della Comprehensive R Archive Network (CRAN).
Funzionamento di ARIMA
L'algoritmo ARIMA è molto utile per i set di dati che possono essere mappati su serie temporali stazionarie. Le proprietà statistiche di serie temporali stazionarie, ad esempio autocorrelazioni, sono indipendenti dal tempo. I set di dati con serie temporali stazionarie in genere contengono una combinazione di segnale e rumori. Il segnale potrebbe esibire un modello di oscillazione sinusoidale o avere una componente stagionale. ARIMA funziona come un filtro per separare il segnale dal rumore e quindi estrapolare il segnale in futuro per fare previsioni.
Iperparametri e ottimizzazione ARIMA
Per informazioni su Iperparametri e ottimizzazione ARIMA, consulta la documentazione della funzione Arima
NEL Pacchetto “previsione”
Amazon Forecast converteDataFrequency
parametro specificato nelCreateDatasetoperazione alfrequency
parametro del Rts
DataFrequency (stringa) | R ts frequency (intero) |
---|---|
Y | 1 |
M | 12 |
W | 52 |
D | 7 |
H | 24 |
30 min. | 2 |
15 min. | 4 |
10 min | 6 |
5 min | 12 |
1 minuto | 60 |
Per frequenze inferiori a 24 o serie temporali brevi, gli iperparametri vengono impostati utilizzando la funzione auto.arima
della Package 'forecast'
di CRAN
Le frequenze dati supportate che non sono nella tabella hanno una frequenza ts
di default di 1.