Pronóstico de series de tiempo intermitentes en Python
Pronóstico series tiempo intermitentes Python
Una guía completa sobre el pronóstico de series de tiempo intermitentes en Python con un proyecto final
Las series de tiempo intermitentes, o series de tiempo dispersas, son un caso especial en el que los valores no nulos aparecen esporádicamente en el tiempo, mientras que el resto de los valores son 0.
Un ejemplo común de series de tiempo dispersas es la lluvia a lo largo del tiempo. Puede haber muchos días consecutivos sin lluvia, y cuando llueve, el volumen varía.
Otro ejemplo de series intermitentes en la vida real es la demanda de artículos de movimiento lento o de alto valor, como repuestos en la industria aeroespacial o maquinaria pesada.
La naturaleza intermitente de algunas series de tiempo representa un desafío real en el pronóstico, ya que los modelos tradicionales no manejan bien la intermitencia. Por lo tanto, debemos recurrir a métodos de pronóstico alternativos diseñados para series de tiempo dispersas.
En este artículo, exploramos diferentes formas de pronosticar series de tiempo intermitentes. Como siempre, exploramos cada modelo teóricamente primero, y los implementamos en Python.
- Variaciones con Profundidad de Difusión Estable2Img Una Guía Paso a...
- 20 Aprendizajes de la entrega de proyectos de aprendizaje automátic...
- Reorganización de las conferencias de fútbol universitario – ...
Como siempre, el código fuente completo está disponible en GitHub.
Aprende las últimas técnicas de análisis de series de tiempo con mi hoja de trucos gratuita de series de tiempo en Python. ¡Obtén la implementación de técnicas estadísticas y de aprendizaje profundo, todo en Python y TensorFlow!
¡Comencemos!
Método de Croston
El método de Croston es uno de los enfoques más comunes para pronosticar series de tiempo dispersas. A menudo se utiliza como un modelo de referencia para evaluar métodos más complejos.
Con el método de Croston, se construyen dos series a partir de la serie original:
- Una serie que contiene los periodos de tiempo con valores iguales a cero.
- Una serie que contiene periodos de tiempo con valores no nulos.
Consideremos un ejemplo sencillo para ilustrarlo. Dada la serie de tiempo dispersa a continuación:
Luego, según el método de Croston, creamos dos nuevas series: una con valores no nulos y otra con el período de tiempo que separa los valores no nulos.
