Amazon Forecast ya no está disponible para nuevos clientes. Los clientes actuales de Amazon Forecast pueden seguir utilizando el servicio con normalidad. Más información
Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
Algoritmo Autoregressive Integrated Moving Average (ARIMA)
Autoregressive Integrated Moving Average (ARIMAPackage 'forecast'
de Comprehensive R Archive Network (CRAN).
Cómo funciona ARIMA
El algoritmo ARIMA es especialmente útil para conjuntos de datos que pueden ser mapeados a series temporales fijas. Las propiedades estadísticas de las series temporales fijas, como las autocorrelaciones, son independientes del tiempo. Los conjuntos de datos con series temporales fijas suelen contener una combinación de señal y ruido. La señal puede presentar un patrón de oscilación sinusoidal o tener un componente estacional. ARIMA actúa como un filtro para separar la señal del ruido y, a continuación, extrapola la señal en el futuro para realizar predicciones.
Hiperparámetros y ajuste de ARIMA
Para obtener información sobre los hiperparámetros y el ajuste de ARIMA, consulte la documentación de la función Arima
en el paquete "forecast"
Amazon Forecast convierte el parámetro DataFrequency
especificado en la operación CreateDataset en el parámetro frequency
de la función R ts
Frecuencia de datos (cadena) | Frecuencia R ts (entero) |
---|---|
A | 1 |
M | 12 |
S | 52 |
D | 7 |
H | 24 |
30 min | 2 |
15 min | 4 |
10 min | 6 |
5 min | 12 |
1 min | 60 |
Para frecuencias inferiores a 24 o series temporales cortas, los hiperparámetros se establecen con la función auto.arima
de la Package 'forecast'
de CRAN
Las frecuencias de datos admitidas que no están en la tabla tienen una frecuencia ts
predeterminada de 1.