Time Series Forecasting (Zaman Serisi Tahmini)

#VeriBilimi #Istatistik #MakineOgrenmesi #PredictiveAnalytics

Zaman Serisi Tahmini (Time Series Forecasting), saat, gün, ay gibi belirli zaman aralıklarıyla sıralı bir şekilde toplanmış geçmiş verilere (trendler, mevsimsellik, döngüler) bakarak, istatistiksel ve makine öğrenimi modelleri (ARIMA, LSTM, Prophet) yardımıyla o verinin gelecekteki değerlerini tahmin etme bilimidir.

Zaman Serisi Tahmini (Time Series Forecasting), saat, gün, ay gibi belirli zaman aralıklarıyla sıralı bir şekilde toplanmış geçmiş verilere (trendler, mevsimsellik, döngüler) bakarak, istatistiksel ve makine öğrenimi modelleri (ARIMA, LSTM, Prophet) yardımıyla o verinin gelecekteki değerlerini tahmin etme bilimidir.

query_stats Verideki Zamanın Ruhu

Sıradan tahminlerde zamanın bir önemi yoktur (Evin metrekare fiyatı). Zaman serisinde ise veri dünden bugüne akmaktadır (Örn: Dolar kuru, Dondurma satışları). Dondurma satışı tahmin edilirken sistem sadece dünkü satışı baz almaz, verinin içindeki 'Mevsimselliği (Seasonality)' keşfeder (Her Temmuzda artar, her Ocakta düşer). Bunu algılayıp 3 ay sonraki satışı %5 hata payıyla öngörür.

Hangi Algoritmalar Kullanılır?

show_chart ARIMA / SARIMA

Makine öğrenimi öncesinden gelen çok sağlam matematiksel / istatistiksel modellerdir. Tek değişkenli trendlerde çok başarılıdır.

memory LSTM (Derin Öğrenme)

Borsa grafiği gibi inanılmaz karmaşık ve milyonlarca satırlık geçmişi hatırlaması gereken serilerde kullanılan yapay sinir ağlarıdır.

facebook Facebook Prophet

Meta tarafından açık kaynak kodlu yayınlanan, resmi tatiller, hafta sonları ve özel günlerin veriye etkisini çok rahat çözebilen popüler tahmileyicidir.