AutoARIMA(),
AutoETS(),
AutoCES(),
AutoTheta(),
Croston(),
ADIDA(),
CrostonOptimized(),
CrostonSBA(),
IMAPA()
]
sf = StatsForecast(
df=df.drop(columns=["depth"]),
models=models,
freq='S',
n_jobs=-1
)
print("Computed")
p25 = (len(df)-p75)
print(p25, p75)
forecasts_df = sf.forecast(h=p25, level=[90])
forecasts_df.head()
print("Predicted")
sf.plot(df,forecasts_df)
Есть вот такой код, предсказание на выходе - прямая линия
В какую сторону дебажить?
1. проверял данные на белый шум? 2. модели обучены?
С этого момента поподробнее Ни первого, ни второго не понял По второму, этим же как раз statsforecast и занимается или я что-то пропустил?
1 - Если временной ряд представляет собой белый шум, он представляет собой последовательность случайных чисел и не может быть предсказан. Если ряд ошибок прогноза не является белым шумом, это говорит о том, что в прогнозную модель можно внести улучшения. 2 - точно? выведи в консоль результаты обучения каждой модели
2 - Как? https://nixtla.github.io/statsforecast/docs/getting-started/getting_started_complete.html Делаю все по этому гайду И как выходит из гайда — все работает Код буквально скопирован
Вижу никстлу, ставлю лайк
Ща я ветку прочитаю, погоди
Обсуждают сегодня