Application du modèle ETS dans l'apprentissage automatique

Le modèle ETS est un modèle de série chronologique comprenant une composante horizontale, une composante de tendance (T), une composante saisonnière (S) et un terme d'erreur (E). Ensemble, ces composants forment l’espace d’état sous-jacent du modèle.

Caractéristiques du modèle ETS

1. Il n'est ni fixe ni statique.

2. Utiliser le lissage exponentiel

3 Ce modèle peut être utilisé si les données ont des tendances et/ou une saisonnalité car il modélise explicitement ces composants. Le modèle

ETS, qui signifie Error-Trend-Seasonality, est un modèle de décomposition de séries chronologiques. Il divise la série en trois parties : erreur, tendance et saisonnalité. Lorsqu’il s’agit de données de séries chronologiques, il s’agit d’un modèle de prévision univarié. Il se concentre sur les éléments saisonniers et tendances. Le modèle technique de tendance, le lissage exponentiel et la décomposition ETS sont quelques-uns des principes inclus dans ce modèle.

L'utilisation des trois variables importantes que sont l'erreur, la tendance et la saisonnalité permet de créer un modèle qui correspond aux données. Ces termes seront utilisés pour le « lissage » dans le modèle ETS.

Le modèle ETS est très utile pour comprendre la tendance et la saisonnalité des données de séries chronologiques.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!