O Amazon Forecast não está mais disponível para novos clientes. Os clientes existentes do Amazon Forecast podem continuar usando o serviço normalmente. Saiba mais
As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
Algoritmo Autoregressive Integrated Moving Average (ARIMA)
Autoregressive Integrated Moving Average (ARIMA
Como funciona a ARIMA
O algoritmo da ARIMA é especialmente útil para conjuntos de dados que podem ser mapeados para séries temporais estacionárias. As propriedades estatísticas de séries temporais estacionárias, como correlações automáticas, são independentes. Os conjuntos de dados de séries temporais estacionárias normalmente contêm uma combinação de sinal e ruído. O sinal pode apresentar um padrão de oscilação sinusoidal ou ter um componente sazonal. A ARIMA funciona como um filtro para separar o sinal do ruído e extrapola o sinal no futuro para fazer previsões.
Hiperparâmetros e ajuste da ARIMA
Para obter informações sobre hiperparâmetros e ajuste da ARIMA, consulte a Arima
documentação da função no Pacote "previsão"
O converte o parâmetro especificado na operação em parâmetro da função R ts usando a seguinte tabela:
DataFrequency (string) | Frequência R ts (inteiro) |
---|---|
Y | 1 |
M | 12 |
W | 52 |
D | 7 |
H | 24 |
30min | 2 |
15min | 4 |
10min | 6 |
5min | 12 |
1min | 60 |
Para frequências menores que 24 ou séries temporais curtas, os hiperparâmetros são definidos usando a função auto.arima
do Package 'forecast'
de CRAN
As frequências de dados compatíveis que não estão na tabela assumem como padrão uma frequência ts
de 1.