การพยากรณ์อนุกรมเวลา

ทำความเข้าใจ Data Science

Lis Sulmont

Curriculum Manager

การสร้างโมเดลใน Data Science

โมเดลทางสถิติคืออะไร?

• แทนกระบวนการในโลกจริงด้วยสถิติ
• ความสัมพันธ์ทางคณิตศาสตร์ระหว่างตัวแปร รวมถึงตัวแปรสุ่ม
• อิงสมมติฐานทางสถิติและข้อมูลในอดีต

การสร้างโมเดลเชิงพยากรณ์

• ป้อนข้อมูลนำเข้า แล้วโมเดลจะพยากรณ์ผลลัพธ์

การสร้างโมเดลเชิงพยากรณ์

• ป้อนข้อมูลนำเข้า แล้วโมเดลจะพยากรณ์ผลลัพธ์

การสร้างโมเดลเชิงพยากรณ์

• ป้อนข้อมูลนำเข้า แล้วโมเดลจะพยากรณ์ผลลัพธ์
  • ความน่าจะเป็นของผลลัพธ์

การสร้างโมเดลเชิงพยากรณ์

• ป้อนข้อมูลนำเข้า แล้วโมเดลจะพยากรณ์ผลลัพธ์
  • ความน่าจะเป็นของผลลัพธ์
• มีความซับซ้อนหลายระดับ ตั้งแต่สมการเชิงเส้นไปจนถึงอัลกอริทึม deep learning

ข้อมูลอนุกรมเวลา

ชุดจุดข้อมูลที่เรียงลำดับตามเวลา

• ราคาหุ้น
• ราคาก๊าซ
• อัตราการว่างงาน
• อัตราการเต้นของหัวใจ
• ระดับ CO2
• ความสูงของคลื่นน้ำขึ้นน้ำลง

การพล็อตข้อมูลอนุกรมเวลา

วันที่	อัตรา
1976-01-01	7.1
1976-02-01	7
...
1991-01-01	10.3
...
2015-04-01	6.8
2015-05-01	6.8

ฤดูกาลในอนุกรมเวลา

ฤดูกาลในอนุกรมเวลา

การพยากรณ์อนุกรมเวลา

• ตัวอย่าง:
  • เดือนหน้าจะมีปริมาณฝนเท่าไร?
  • การจราจรจะคลี่คลายในครึ่งชั่วโมงข้างหน้าหรือไม่?
  • ตลาดหุ้นจะเคลื่อนไหวอย่างไรใน 6 ชั่วโมงข้างหน้า?
  • ประชากรโลกจะเป็นเท่าไรใน 20 ปีข้างหน้า?
• สร้างโมเดลจากข้อมูลในอดีตเพื่อสร้างคำพยากรณ์
• วิธีการสร้างโมเดลใช้การผสมผสานระหว่างวิธีทางสถิติและ machine learning

$$

ช่วงความเชื่อมั่น

โมเดลมั่นใจ X% ว่าค่าจริงจะอยู่ในช่วงนี้

มาฝึกกันเถอะ!

ทำความเข้าใจ Data Science