الانتقال من المتوسط ، اريما نموذج

(متوقفة) التنبؤ - الانحدار الذاتي المتوسط ​​المتحرك المتكامل (أريما) يتم إيقاف العمل ببرنامج داتاماركيت ل ميكروسوفت وتم إيقاف استخدام واجهة برمجة التطبيقات هذه. وتنفذ هذه الخدمة المتوسط ​​المتحرك المتكامل للانحدار الذاتي (أريما) لإنتاج التنبؤات استنادا إلى البيانات التاريخية المقدمة من قبل المستخدم. هل الطلب على منتج معين زيادة هذا العام يمكن أن أتوقع مبيعات المنتجات بلدي لموسم عيد الميلاد، حتى أستطيع أن تخطط بفعالية بلدي المخزون نماذج التنبؤ هي عرضة لمعالجة مثل هذه الأسئلة. وبالنظر إلى البيانات السابقة، فإن هذه النماذج تدرس الاتجاهات المخفية والموسمية للتنبؤ بالاتجاهات المستقبلية. محاولة أزور آلة التعلم مجانا لا بطاقة الائتمان أو أزور الاشتراك المطلوبة. ابدأ الآن غ يمكن استخدام خدمة الويب هذه من قبل المستخدمين المحتملين من خلال تطبيق جوال أو من خلال موقع ويب أو حتى على جهاز كمبيوتر محلي، على سبيل المثال. ولكن الغرض من خدمة الويب هو أيضا ليكون بمثابة مثال على كيفية أزور آلة التعلم يمكن استخدامها لإنشاء خدمات الويب على رأس رمز R. مع بضعة أسطر فقط من رمز R والنقرات على زر داخل أزور آلة التعلم استوديو، يمكن إنشاء تجربة مع رمز R ونشرها كخدمة ويب. ويمكن بعد ذلك نشر خدمة الويب إلى أزور ماركتبليس وتستهلك من قبل المستخدمين والأجهزة في جميع أنحاء العالم مع أي إعداد البنية التحتية من قبل مؤلف خدمة الويب. استهلاك خدمة الويب تقبل هذه الخدمة 4 وسيطات وتحسب توقعات أريما. وسيطات الإدخال هي: التردد - يشير إلى وتيرة البيانات الخام (دايليويكليمونثليكوارتيرليارلي). الأفق - توقعات المستقبل الإطار الزمني. التاريخ - إضافة في البيانات سلسلة زمنية جديدة للوقت. القيمة - أضف قيم بيانات السلاسل الزمنية الجديدة. ويتمثل ناتج الخدمة في قيم التنبؤ المحسوبة. إدخال عينة يمكن أن يكون: التردد - 12 الأفق - 12 التاريخ - 115201221520123152012415201251520126152012715201281520129152012101520121115201212152012 115201321520133152013415201351520136152013715201381520139152013101520131115201312152013 115201421520143152014415201451520146152014715201481520149152014 القيمة - 3.4793.683.8323.9413.7973.5863.5083.7313.9153.8443.6343.5493.5573.7853.7823.6013.5443.5563.653.7093.6823.511 3.4293.513.5233.5253.6263.6953.7113.7113.6933 .5713.509 هذه الخدمة، كما تمت استضافتها في أزور ماركتبليس، هي خدمة أوداتا قد يتم استدعاؤها من خلال طرق بوست أو جيت. هناك طرق متعددة لاستهلاك الخدمة بطريقة تلقائية (مثال التطبيق هنا). بدء كود C لاستهلاك خدمة الويب: إنشاء خدمة ويب تم إنشاء خدمة الويب هذه باستخدام أزور ماشين ليارنينغ. للحصول على نسخة تجريبية مجانية، بالإضافة إلى مقاطع فيديو تمهيدية حول إنشاء التجارب ونشر خدمات الويب. يرجى الاطلاع أزوريمل. في ما يلي لقطة شاشة للتجربة التي أنشأت خدمة الويب ورمز المثال لكل وحدة من الوحدات داخل التجربة. من داخل أزور ماشين ليارنينغ، تم إنشاء تجربة فارغة جديدة. تم تحميل بيانات إدخال العينة باستخدام مخطط بيانات محدد مسبقا. ويرتبط مخطط البيانات وحدة نمطية تنفيذ R سكريبت، الذي يولد نموذج التنبؤ أريما باستخدام وظائف auto. arima والتنبؤ من R. تدفق التجربة: القيود هذا هو مثال بسيط جدا للتنبؤ أريما. كما يمكن أن يرى من المثال المثال أعلاه، لا يتم تنفيذ أي اصطياد خطأ، وتفترض الخدمة أن جميع المتغيرات هي القيم المستمرة، وينبغي أن يكون عدد صحيح أكبر من 1. يجب أن يكون طول التاريخ وناقلات القيمة هي نفسها . يجب أن يتقيد متغير التاريخ بتنسيق مدييي. للأسئلة المتداولة حول استهلاك خدمة الويب أو النشر إلى السوق، انظر هنا. A ريما لتقف على الانحدار الذاتي نماذج الحركة المتكاملة. المتغير أحادي المتغير (أريفا فيكتور) أريما هي تقنية التنبؤ التي تقوم بتطوير القيم المستقبلية لسلسلة تعتمد بشكل كامل على الجمود الخاص بها. تطبيقه الرئيسي هو في مجال التنبؤ على المدى القصير تتطلب ما لا يقل عن 40 نقطة البيانات التاريخية. وهو يعمل بشكل أفضل عندما تظهر بياناتك نمطا مستقرا أو متسقا مع مرور الوقت مع الحد الأدنى من القيم المتطرفة. في بعض الأحيان تسمى بوكس-جينكينز (بعد المؤلفين الأصليين)، أريما عادة ما تكون متفوقة على الأساليب التمهيد الأسي عندما تكون البيانات طويلة إلى حد معقول، والارتباط بين الملاحظات الماضية مستقرة. إذا كانت البيانات قصيرة أو متقلبة للغاية، ثم بعض طريقة تمهيد قد تؤدي بشكل أفضل. إذا لم يكن لديك ما لا يقل عن 38 نقطة بيانات، يجب عليك النظر في بعض الطرق الأخرى من أريما. الخطوة الأولى في تطبيق منهجية أريما هي التحقق من الاستبانة. ويعني الاستقرارية أن المسلسل لا يزال على مستوى ثابت إلى حد ما مع مرور الوقت. إذا كان هناك اتجاه، كما هو الحال في معظم التطبيقات الاقتصادية أو التجارية، ثم البيانات الخاصة بك ليست ثابتة. وينبغي أن تظهر البيانات أيضا تباينا ثابتا في تقلباتها مع مرور الوقت. وينظر إلى هذا بسهولة مع سلسلة التي موسمية بشكل كبير وتنمو بمعدل أسرع. في مثل هذه الحالة، فإن الصعود والهبوط في الموسمية سوف تصبح أكثر دراماتيكية مع مرور الوقت. وبدون استيفاء شروط الاستبقاء هذه، لا يمكن حساب العديد من الحسابات المرتبطة بالعملية. إذا كانت مؤامرة رسومية من البيانات تشير إلى نونستاتيوناريتي، ثم يجب أن الفرق السلسلة. الفرق هو وسيلة ممتازة لتحويل سلسلة غير ثابتة إلى واحدة ثابتة. ويتم ذلك بطرح الملاحظة في الفترة الحالية من الفترة السابقة. إذا تم هذا التحول مرة واحدة فقط لسلسلة، ويقول لك أن البيانات قد اختلفت أولا. هذه العملية تلغي أساسا الاتجاه إذا سلسلة الخاص ينمو بمعدل ثابت إلى حد ما. إذا كان ينمو بمعدل متزايد، يمكنك تطبيق نفس الإجراء والفرق البيانات مرة أخرى. البيانات الخاصة بك ثم سيكون ديفيرنسد الثانية. أوتوكوريلاتيونس هي قيم رقمية تشير إلى كيفية ارتباط سلسلة البيانات نفسها بمرور الوقت. وبشكل أدق، فإنه يقيس مدى ارتباط قيم البيانات في عدد محدد من الفترات المتباعدة ببعضها البعض بمرور الوقت. وعادة ما يطلق على عدد الفترات المتبقية الفارق الزمني. على سبيل المثال، يقيس الارتباط الذاتي عند التأخر 1 كيفية ارتباط القيم 1 لفترة متباعدة ببعضها البعض طوال السلسلة. ويقيس الارتباط الذاتي عند التأخر 2 كيفية ارتباط البيانات بفترتين منفصلتين طوال السلسلة. قد تتراوح أوتوكوريلاتيونس من 1 إلى -1. تشير قيمة قريبة من 1 إلى وجود ارتباط إيجابي عال في حين أن قيمة قريبة من -1 تعني ارتباطا سلبيا كبيرا. وغالبا ما يتم تقييم هذه التدابير من خلال المؤامرات الرسومية تسمى كوريلاغاغرامز. ويحدد الرسم البياني المترابط قيم الترابط التلقائي لسلسلة معينة عند فترات تأخر مختلفة. ويشار إلى ذلك على أنه دالة الترابط الذاتي وهي مهمة جدا في أسلوب أريما. محاولات منهجية أريما لوصف التحركات في سلسلة زمنية ثابتة كدالة لما يسمى بارامترات الانحدار الذاتي والمتوسط ​​المتحرك. ويشار إلى هذه على النحو المعلمات أر (أوتوريجيسيف) ومعلمات ما (المتوسطات المتحركة). يمكن كتابة نموذج أر مع معلمة واحدة فقط ك. (X) (t) A (1) X (t-1) E (t) حيث تكون السلسلة الزمنية X (t) قيد التحقيق A (1) معلمة الانحدار الذاتي للترتيب 1 X (t-1) (t) مصطلح خطأ النموذج يعني هذا ببساطة أن أي قيمة معينة X (t) يمكن تفسيرها بوظيفة معينة من قيمتها السابقة X (t-1)، بالإضافة إلى بعض الأخطاء العشوائية غير القابلة للتفسير، E (t). إذا كانت القيمة المقدرة ل A (1) .30، فإن القيمة الحالية للمسلسل ستكون مرتبطة ب 30 من قيمته قبل 1. وبطبيعة الحال، يمكن أن تكون مرتبطة سلسلة إلى أكثر من مجرد قيمة واحدة الماضية. على سبيل المثال، X (t) A (1) X (t-1) A (2) X (t-2) E (t) يشير هذا إلى أن القيمة الحالية للسلسلة هي مزيج من القيمتين السابقتين مباشرة، X (t-1) و X (t-2)، بالإضافة إلى بعض الخطأ العشوائي E (t). نموذجنا هو الآن نموذج الانحدار الذاتي للنظام 2. تتحرك متوسط ​​نماذج: وهناك نوع الثاني من نموذج بوكس ​​جينكينز يسمى نموذج المتوسط ​​المتحرك. على الرغم من أن هذه النماذج تبدو مشابهة جدا لنموذج أر، والمفهوم وراءها هو مختلف تماما. أما المعلمات المتوسطة المتحركة فتتصل بما يحدث في الفترة t فقط بالأخطاء العشوائية التي حدثت في الفترات الزمنية السابقة أي E (t-1) و E (t-2) وما إلى ذلك بدلا من X (t-1) و X ( t-2)، (شت-3) كما هو الحال في نهج الانحدار الذاتي. ويمكن كتابة نموذج متوسط ​​متحرك بمصطلح "ما" على النحو التالي. (T) 1 (E) (T) E (t) يطلق على المصطلح B (1) ما من النظام 1. وتستخدم الإشارة السلبية أمام المعلمة للاتفاقية فقط وعادة ما يتم طباعتها خارج معظم السيارات بشكل تلقائي. يقول النموذج أعلاه ببساطة أن أي قيمة معينة من X (t) ترتبط مباشرة فقط إلى الخطأ العشوائي في الفترة السابقة، E (t-1)، وإلى مصطلح الخطأ الحالي، E (t). وكما هو الحال بالنسبة لنماذج الانحدار الذاتي، يمكن تمديد نماذج المتوسط ​​المتحرك لتشمل هياكل ذات ترتيب أعلى تغطي مجموعات مختلفة وأطوال متوسط ​​متحرك. وتسمح منهجية أريما أيضا بنماذج يمكن أن تدمج معا متوسطات الانحدار الذاتي والمتوسط ​​المتحرك معا. وغالبا ما يشار إلى هذه النماذج على أنها نماذج مختلطة. على الرغم من أن هذا يجعل أداة التنبؤ أكثر تعقيدا، قد هيكل محاكاة حقا سلسلة أفضل وإنتاج توقعات أكثر دقة. نماذج نقية تشير ضمنا إلى أن بنية تتكون فقط من أر أو ما المعلمات - ليس على حد سواء. وعادة ما تسمى النماذج التي تم تطويرها من خلال هذا النهج نماذج أريما لأنها تستخدم مزيج من الانحدار الذاتي (أر) والتكامل (I) - مشيرا إلى عملية عكسية عكسية لإنتاج التنبؤات، ومتوسط ​​الحركة (ما) العمليات. ويشار عادة إلى نموذج أريما على أنه أريما (p، d، q). ويمثل ذلك ترتيب مكونات الانحدار الذاتي (p) وعدد مشغلي الاختلاف (d) وأعلى ترتيب للمتوسط ​​المتحرك. على سبيل المثال، أريما (2،1،1) يعني أن لديك نموذج ترتيب الانحدار الثاني من الدرجة الثانية مع العنصر المتوسط ​​المتحرك الأول ترتيب الذي تم اختلاف سلسلة مرة واحدة للحث على الاستقرارية. اختيار الحق مواصفات: المشكلة الرئيسية في الكلاسيكية بوكس-جينكينز تحاول أن تقرر أي مواصفات أريما لاستخدام - i. e. كم عدد المعلمات أر أو ما لتشمل. هذا هو ما خصص الكثير من بوكس-جينكينغز 1976 لعملية تحديد الهوية. وهو يعتمد على التقييم البياني والعددي لعينة الارتباط الذاتي ووظائف الترابط الذاتي الجزئي. حسنا، لنماذج الأساسية الخاصة بك، والمهمة ليست صعبة للغاية. لكل منها وظائف الارتباط الذاتي التي تبدو بطريقة معينة. ومع ذلك، عندما ترتفع في التعقيد، لا يتم الكشف عن أنماط بسهولة. لجعل الأمور أكثر صعوبة، تمثل بياناتك عينة من العملية الأساسية فقط. وهذا يعني أن أخطاء أخذ العينات (القيم المتطرفة، خطأ القياس، وما إلى ذلك) قد تشوه عملية تحديد الهوية النظرية. هذا هو السبب في النمذجة أريما التقليدية هو فن بدلا من العلم. المنظار-أريما أبي تناسب نموذج متحرك متكامل التلقائي (أريما) نموذج للتنبؤ القيم في المستقبل. غ ملاحظة: يتم استهلاك هذا. التنبؤ - أبي ريجريسيف أدمين موفينغ أفيراج (أريما) أبي هو مثال تم إنشاؤه باستخدام ميكروسوفت أزور ماشين ليارنينغ الذي يناسب نموذج أريما لإدخال البيانات من قبل المستخدم، ثم ينتج القيم المتوقعة للتواريخ المستقبلية. سوف الطلب على منتج معين زيادة هذا العام هل يمكنني التنبؤ مبيعات المنتجات بلدي لموسم العطلات، حتى أستطيع أن تخطط بفعالية بلدي المخزون نماذج التنبؤ هي عرضة لمعالجة مثل هذه الأسئلة. وبالنظر إلى البيانات السابقة، فإن هذه النماذج تدرس الاتجاهات المخفية والموسمية للتنبؤ بالاتجاهات المستقبلية. في حين أن هذه الخدمة على شبكة الإنترنت يمكن أن تستهلك من قبل المستخدمين المحتملين من خلال التطبيق المحمول، على شبكة الإنترنت، أو حتى على جهاز كمبيوتر محلي على سبيل المثال، والغرض من خدمة الويب هو أيضا أن يكون مثالا لكيفية أزور مل يمكن استخدامها لإنشاء خدمات الويب على رأس رمز R. مع بضعة أسطر فقط من رمز R والنقرات على زر داخل أزور مل ستوديو، يمكن إنشاء تجربة مع رمز R ونشرها كخدمة ويب. ويمكن بعد ذلك نشر خدمة الويب إلى أزور ماركتبليس واستهلاكها من قبل المستخدمين والأجهزة في جميع أنحاء العالم مع عدم وجود البنية التحتية التي أنشأتها مؤلف خدمة الويب.