котором временные интервалы неравномерны, не стоит совать в ARIMA/GARCH?
А то мне Bard нафантазировал, что есть специальные ARIMA-US/GARCH-US для таких временных рядов.
Я бы переформулировал, что у вас данные определенной гранулярности имеют пропуски и далее пробовал бороться с такими пропусками вне зависимости от предполагаемого алгоритма прогнозирования.
Если верить чату гопоты, то Prophet сам такое делает под капотом. А вот для классики временных рядов подобное, по ходу, не подойдёт.
Да может и делает, но вот что конкретно? Техник для impute missed values очень много, про это книги пишут. Поиграйте spline-интерполяцией и поймёте, что автоматом подобрать параметры не всегда просто, особенно когда даты с гулькин нос
Да данных-то завались. Я просто оцениваю перспективу ковырять их классическими методами анализа временных рядов. Пока что эти перспективы выглядят не очень перспективно.
https://stats.stackexchange.com/questions/33796/is-there-any-gold-standard-for-modeling-irregularly-spaced-time-series
Вам нужны irregular time series и методы работы с ними
дело в методах прогнозирования, дело в понимании природы временного ряда, а именно почему измерения производились не равномерными интервалами, что это означает для показателя в целом? Исходя из этого можно принять решение, что делать с этим рядом. Интерполяция сплайнами , которую использует Propthet возможно выглядит уместно, а возможно лучше сделать feature engineering по скользящему окну и засунуть все в бустовое дерево. Или вообще сделать imputing средним или экспоненциальным сглаживанием и потом ARIMA накинуть
Источник вдохновения в основном говорит про бэггинг, поэтому по началу буду придерживаться его, отложив временные ряды до лучших ... времён.
Для бэггинга все равно какая то модель нужна. Пусть даже упомянутая линейная регрессия
Нашёл ответ, который меня устроил. Не благодарите. https://stats.stackexchange.com/questions/393402/how-does-facebook-prophet-handle-missing-data
так что профет для инерполяции в итоге использует?
круто, но вопрос то был совсем другой. "Интерполируй это" можно было сразу сказать. - https://asbates.rbind.io/2019/04/19/time-series-with-spline-based-models/ - https://fromthebottomoftheheap.net/2014/05/09/modelling-seasonal-data-with-gam/ и многое другое.
Как автор вопроса, не соглашусь.
я только буквы на бумаге читал, понял вопрос в меру своих способностей
Обсуждают сегодня