ML-For-Beginners/translations/tl/7-TimeSeries/1-Introduction

Panimula sa Pagtataya ng Time Series

Sketchnote ni Tomomi Imura

Sa araling ito at sa susunod, matututo ka ng kaunti tungkol sa pagtataya ng time series, isang kawili-wili at mahalagang bahagi ng repertoire ng isang ML scientist na medyo hindi gaanong kilala kumpara sa ibang mga paksa. Ang pagtataya ng time series ay parang 'crystal ball': batay sa nakaraang performance ng isang variable tulad ng presyo, maaari mong hulaan ang potensyal na halaga nito sa hinaharap.

🎥 I-click ang imahe sa itaas para sa isang video tungkol sa pagtataya ng time series

Pre-lecture quiz

Ito ay isang kapaki-pakinabang at kawili-wiling larangan na may tunay na halaga sa negosyo, dahil sa direktang aplikasyon nito sa mga problema ng pagpepresyo, imbentaryo, at mga isyu sa supply chain. Habang ang mga deep learning techniques ay nagsisimula nang gamitin upang makakuha ng mas maraming insight para sa mas mahusay na pagtataya ng performance sa hinaharap, nananatiling isang larangan ang pagtataya ng time series na lubos na naaapektuhan ng mga klasikong ML techniques.

Ang kapaki-pakinabang na kurikulum ng time series ng Penn State ay matatagpuan dito

Panimula

Ipagpalagay na pinapanatili mo ang isang array ng mga smart parking meter na nagbibigay ng data tungkol sa kung gaano kadalas sila ginagamit at kung gaano katagal sa paglipas ng panahon.

Paano kung mahuhulaan mo, batay sa nakaraang performance ng metro, ang halaga nito sa hinaharap ayon sa mga batas ng supply at demand?

Ang tumpak na pagtataya kung kailan dapat kumilos upang makamit ang iyong layunin ay isang hamon na maaaring matugunan ng pagtataya ng time series. Hindi magiging masaya ang mga tao na singilin ng mas mataas sa abalang oras kapag naghahanap sila ng parking spot, ngunit ito ay tiyak na isang paraan upang makabuo ng kita para linisin ang mga kalsada!

Tuklasin natin ang ilang uri ng mga algorithm ng time series at magsimula ng isang notebook upang linisin at ihanda ang ilang data. Ang data na iyong susuriin ay kinuha mula sa kumpetisyon sa pagtataya ng GEFCom2014. Binubuo ito ng 3 taon ng oras-oras na halaga ng kuryente at temperatura mula 2012 hanggang 2014. Batay sa mga makasaysayang pattern ng kuryente at temperatura, maaari mong hulaan ang mga halaga ng kuryente sa hinaharap.

Sa halimbawang ito, matututo kang magtaya ng isang hakbang sa hinaharap, gamit lamang ang makasaysayang load data. Gayunpaman, bago magsimula, kapaki-pakinabang na maunawaan kung ano ang nangyayari sa likod ng mga eksena.

Ilang mga kahulugan

Kapag naririnig ang terminong 'time series', kailangan mong maunawaan ang paggamit nito sa iba't ibang konteksto.

🎓 Time series

Sa matematika, "ang time series ay isang serye ng mga data point na naka-index (o nakalista o naka-graph) sa pagkakasunod-sunod ng oras. Kadalasan, ang time series ay isang pagkakasunod-sunod na kinuha sa magkakasunod na pantay na agwat ng oras." Isang halimbawa ng time series ay ang pang-araw-araw na closing value ng Dow Jones Industrial Average. Ang paggamit ng mga time series plot at statistical modeling ay madalas na nakikita sa signal processing, pagtataya ng panahon, prediksyon ng lindol, at iba pang larangan kung saan nagaganap ang mga kaganapan at maaaring i-plot ang mga data point sa paglipas ng panahon.

🎓 Pagsusuri ng time series

Ang pagsusuri ng time series ay ang pagsusuri ng nabanggit na time series data. Ang time series data ay maaaring kumuha ng iba't ibang anyo, kabilang ang 'interrupted time series' na tumutukoy sa mga pattern sa ebolusyon ng time series bago at pagkatapos ng isang interrupting event. Ang uri ng pagsusuri na kinakailangan para sa time series ay nakadepende sa likas na katangian ng data. Ang time series data mismo ay maaaring kumuha ng anyo ng serye ng mga numero o karakter.

Ang pagsusuri na gagawin ay gumagamit ng iba't ibang mga pamamaraan, kabilang ang frequency-domain at time-domain, linear at nonlinear, at iba pa. Matuto pa tungkol sa maraming paraan upang suriin ang ganitong uri ng data.

🎓 Pagtataya ng time series

Ang pagtataya ng time series ay ang paggamit ng isang modelo upang hulaan ang mga halaga sa hinaharap batay sa mga pattern na ipinakita ng mga nakalap na data sa nakaraan. Bagaman posible na gumamit ng mga regression model upang suriin ang time series data, na may mga time indices bilang x variables sa isang plot, ang ganitong data ay pinakamahusay na sinusuri gamit ang mga espesyal na uri ng mga modelo.

Ang time series data ay isang listahan ng mga ordered observations, hindi tulad ng data na maaaring suriin ng linear regression. Ang pinaka-karaniwang modelo ay ang ARIMA, isang acronym para sa "Autoregressive Integrated Moving Average".

ARIMA models "nag-uugnay sa kasalukuyang halaga ng isang serye sa mga nakaraang halaga at mga nakaraang prediction errors." Ang mga ito ay pinaka-angkop para sa pagsusuri ng time-domain data, kung saan ang data ay nakaayos sa paglipas ng panahon.

Mayroong ilang mga uri ng ARIMA models, na maaari mong matutunan dito at na iyong matutuklasan sa susunod na aralin.

Sa susunod na aralin, gagawa ka ng isang ARIMA model gamit ang Univariate Time Series, na nakatuon sa isang variable na nagbabago ng halaga nito sa paglipas ng panahon. Isang halimbawa ng ganitong uri ng data ay ang dataset na ito na nagtatala ng buwanang konsentrasyon ng CO2 sa Mauna Loa Observatory:

CO2	YearMonth	Year	Month
330.62	1975.04	1975	1
331.40	1975.13	1975	2
331.87	1975.21	1975	3
333.18	1975.29	1975	4
333.92	1975.38	1975	5
333.43	1975.46	1975	6
331.85	1975.54	1975	7
330.01	1975.63	1975	8
328.51	1975.71	1975	9
328.41	1975.79	1975	10
329.25	1975.88	1975	11
330.97	1975.96	1975	12

✅ Tukuyin ang variable na nagbabago sa paglipas ng panahon sa dataset na ito.

Mga Katangian ng Time Series Data na Dapat Isaalang-alang

Kapag tinitingnan ang time series data, maaaring mapansin mo na mayroon itong mga tiyak na katangian na kailangan mong isaalang-alang at bawasan upang mas maunawaan ang mga pattern nito. Kung ituturing mo ang time series data bilang potensyal na nagbibigay ng 'signal' na nais mong suriin, ang mga katangiang ito ay maaaring ituring bilang 'ingay'. Kadalasan, kailangan mong bawasan ang 'ingay' na ito sa pamamagitan ng pag-offset ng ilan sa mga katangiang ito gamit ang ilang mga statistical techniques.

Narito ang ilang mga konsepto na dapat mong malaman upang magamit ang time series:

🎓 Mga Trend

Ang mga trend ay tinutukoy bilang mga nasusukat na pagtaas at pagbaba sa paglipas ng panahon. Magbasa pa. Sa konteksto ng time series, ito ay tungkol sa kung paano gamitin at, kung kinakailangan, alisin ang mga trend mula sa iyong time series.

🎓 Seasonality

Ang seasonality ay tinutukoy bilang mga periodic fluctuations, tulad ng holiday rushes na maaaring makaapekto sa benta, halimbawa. Tingnan kung paano ipinapakita ng iba't ibang uri ng mga plot ang seasonality sa data.

🎓 Mga Outlier

Ang mga outlier ay malayo sa karaniwang variance ng data.

🎓 Long-run cycle

Maliban sa seasonality, maaaring magpakita ang data ng long-run cycle tulad ng isang economic down-turn na tumatagal ng higit sa isang taon.

🎓 Constant variance

Sa paglipas ng panahon, ang ilang data ay nagpapakita ng constant fluctuations, tulad ng paggamit ng enerhiya sa araw at gabi.

🎓 Abrupt changes

Ang data ay maaaring magpakita ng biglaang pagbabago na maaaring mangailangan ng karagdagang pagsusuri. Halimbawa, ang biglaang pagsasara ng mga negosyo dahil sa COVID ay nagdulot ng mga pagbabago sa data.

✅ Narito ang isang sample time series plot na nagpapakita ng pang-araw-araw na paggastos ng in-game currency sa loob ng ilang taon. Maaari mo bang tukuyin ang alinman sa mga katangiang nakalista sa itaas sa data na ito?

Ehersisyo - Pagsisimula sa Data ng Paggamit ng Kuryente

Magsimula tayo sa paggawa ng isang time series model upang hulaan ang paggamit ng kuryente sa hinaharap batay sa nakaraang paggamit.

Ang data sa halimbawang ito ay kinuha mula sa kumpetisyon sa pagtataya ng GEFCom2014. Binubuo ito ng 3 taon ng oras-oras na halaga ng kuryente at temperatura mula 2012 hanggang 2014.

Tao Hong, Pierre Pinson, Shu Fan, Hamidreza Zareipour, Alberto Troccoli at Rob J. Hyndman, "Probabilistic energy forecasting: Global Energy Forecasting Competition 2014 and beyond", International Journal of Forecasting, vol.32, no.3, pp 896-913, July-September, 2016.

1. Sa folder na working ng araling ito, buksan ang file na notebook.ipynb. Magsimula sa pagdaragdag ng mga library na makakatulong sa iyo na mag-load at mag-visualize ng data.

   import os
   import matplotlib.pyplot as plt
   from common.utils import load_data
   %matplotlib inline
   

   Tandaan, ginagamit mo ang mga file mula sa kasamang common folder na nagse-set up ng iyong environment at humahawak sa pag-download ng data.

2. Susunod, suriin ang data bilang isang dataframe sa pamamagitan ng pagtawag sa load_data() at head():

   data_dir = './data'
   energy = load_data(data_dir)[['load']]
   energy.head()
   

   Makikita mo na mayroong dalawang column na kumakatawan sa petsa at load:

   	load
   2012-01-01 00:00:00	2698.0
   2012-01-01 01:00:00	2558.0
   2012-01-01 02:00:00	2444.0
   2012-01-01 03:00:00	2402.0
   2012-01-01 04:00:00	2403.0

3. Ngayon, i-plot ang data sa pamamagitan ng pagtawag sa plot():

   energy.plot(y='load', subplots=True, figsize=(15, 8), fontsize=12)
   plt.xlabel('timestamp', fontsize=12)
   plt.ylabel('load', fontsize=12)
   plt.show()
   

   

4. Ngayon, i-plot ang unang linggo ng Hulyo 2014, sa pamamagitan ng pagbibigay nito bilang input sa energy sa pattern na [mula sa petsa]: [hanggang petsa]:

   energy['2014-07-01':'2014-07-07'].plot(y='load', subplots=True, figsize=(15, 8), fontsize=12)
   plt.xlabel('timestamp', fontsize=12)
   plt.ylabel('load', fontsize=12)
   plt.show()
   

   

   Isang magandang plot! Tingnan ang mga plot na ito at suriin kung maaari mong matukoy ang alinman sa mga katangiang nakalista sa itaas. Ano ang maaari nating masabi sa pamamagitan ng pag-visualize ng data?

Sa susunod na aralin, gagawa ka ng isang ARIMA model upang lumikha ng ilang mga forecast.

---

🚀Hamunin

Gumawa ng listahan ng lahat ng mga industriya at larangan ng pag-aaral na sa tingin mo ay makikinabang mula sa pagtataya ng time series. Maaari ka bang mag-isip ng aplikasyon ng mga teknik na ito sa sining? Sa Econometrics? Ekolohiya? Retail? Industriya? Pananalapi? Saan pa?

Post-lecture quiz

Review at Pag-aaral ng Sarili

Bagaman hindi natin ito tatalakayin dito, ang mga neural network ay minsan ginagamit upang mapahusay ang mga klasikong pamamaraan ng pagtataya ng time series. Magbasa pa tungkol dito sa artikulong ito

Takdang-Aralin

Mag-visualize ng mas maraming time series

---

Paunawa:
Ang dokumentong ito ay isinalin gamit ang AI translation service na Co-op Translator. Bagama't sinisikap naming maging tumpak, tandaan na ang mga awtomatikong pagsasalin ay maaaring maglaman ng mga pagkakamali o hindi pagkakatugma. Ang orihinal na dokumento sa kanyang katutubong wika ang dapat ituring na opisyal na sanggunian. Para sa mahalagang impormasyon, inirerekomenda ang propesyonal na pagsasalin ng tao. Hindi kami mananagot sa anumang hindi pagkakaunawaan o maling interpretasyon na maaaring magmula sa paggamit ng pagsasaling ito.