Прогнозирование

Прогнозирование спроса на продукты в R

Aric LaBarr, Ph.D.

Senior Data Scientist, Elder Research

Прогнозирование

Основная цель большинства моделей временных рядов!
Модели используют прошлые значения или «шоки» для предсказания будущего
Распознавание закономерностей с последующим их повторением

Прогнозирование

Пример прогнозирования

forecast_M_t <- forecast(M_t_model, h = 22)

for_dates <- seq(as.Date("2017-01-01"), length = 22, 
                                        by = "weeks")
for_M_t_xts <- xts(forecast_M_t$mean, order.by = for_dates)

plot(M_t_valid, main = 'Forecast Comparison')
lines(for_M_t_xts, col = "blue")

Как оценить качество прогнозов?

2 распространённые метрики точности:
1. Средняя абсолютная ошибка (MAE) $$ \frac {1}{n} \sum_{i=1}^n |Y_t - \hat{Y}_t| $$
2. Средняя абсолютная процентная ошибка (MAPE) $$ \frac {1}{n} \sum_{i=1}^n | \frac {Y_t - \hat{Y}_t} {Y_t} | \times 100 $$

Пример MAE и MAPE

for_M_t <- as.numeric(forecast_M_t$mean)
v_M_t <- as.numeric(M_t_valid)

MAE <- mean(abs(for_M_t - v_M_t))
MAPE <- 100*mean(abs((for_M_t - v_M_t)/v_M_t))

print(MAE)

[1] 198.7976

print(MAPE)

[1] 9.576247

Давайте потренируемся!

Прогнозирование спроса на продукты в R