Amazon Forecast tidak lagi tersedia untuk pelanggan baru. Pelanggan Amazon Forecast yang ada dapat terus menggunakan layanan seperti biasa. Pelajari lebih lanjut”
Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Algoritma Smoothing Eksponensial (ETS)
Smoothing Eksponensial(ETS)Package 'forecast'
dari Comprehensive R Archive Network (CRAN).
Cara Kerjanya
Algoritma ETS sangat berguna untuk dataset dengan musiman dan asumsi sebelumnya lainnya tentang data. ETS menghitung rata-rata tertimbang atas semua pengamatan dalam dataset seri waktu input sebagai prediksi. Bobot secara eksponensial menurun dari waktu ke waktu, daripada bobot konstan dalam metode rata-rata bergerak sederhana. Bobot tergantung pada parameter konstan, yang dikenal sebagai parameter smoothing.
ETS Hyperparameters dan Tuning
Untuk informasi tentang hiperparameter dan penyetelan ETS, lihatets
dokumentasi fungsi diPaket 'perkiraan'
Amazon Forecast mengkonversiDataFrequency
parameter yang ditentukan dalamCreateDatasetoperasi kefrequency
parameter Rts
DataFrequency (string) | R ts frekuensi (integer) |
---|---|
Y | 1 |
M | 12 |
W | 52 |
D | 7 |
H | 24 |
30 menit | 2 |
15 menit | 4 |
10 menit | 6 |
5 menit | 12 |
1 menit | 60 |
Frekuensi data yang didukung yang tidak dalam tabel default kets
frekuensi 1.