مطالب پیشنهادی از سراسر وب

آموزش تحلیل کسب و کار - پیش بینی با SES

دسته بندی ها: آموزش R ، آموزش کسب و کار (Business)

SES  شامل بسیاری از عناصر مورد استفاده در پیش بینی می شود. اما SES به طور ضعیفی با خطوط اصلی که نشان دهنده روند یا قابلیت فصلی است کار می کند. سری زمانی روند یکی از پیچیدگی های سری زمانی ثابت است که توسط SES تحلیل شده است. استفاده از SES با baseline معمولا به عنوان متد Holt شناخته می شود که این دوره می خواهد شما را با این تکنیک مجهز کند. در این دوره با استفاده از متد Holt و ایجاد پیش بینی ها در R آشنا می شوید.

سرفصل:

  • معرفی دوره
  • راه اندازی نرم افزار
  • SES و Trend
  • بررسی SES با یک خط پایه ثابت
  • مشکلات استفاده از SES با یک خط مبنا
  • پیش بینی تفاوت ها
  • استفاده از R برای SES
  • استفاده از ARIMA(0,1,1) برای SES
  • درک معادله پیش بینی
  • تفاوت بین کامپوننت روند و کامپوننت سطح
  • اجرای تحلیل روند در R
  • آماده شدن برای تحلیل با R
  • تحلیل را در R انجام دهید و آن را تفسیر کنید
  • و غیره
آیا این نوشته را دوست داشتید؟
Business Analytics: Forecasting with Trended Baseline Smoothing Publisher:Linkedin Author:Conrad Carlberg Duration:1h 1m 30s Level:Advanced

Learn about a forecasting technique that recognizes and accounts for trends in a baseline, as well as how to run the trend forecast analysis in R.
Released: : October 5, 2018
Simple exponential smoothing (SES) incorporates most of the elements used in the smoothing approach to forecasting, such as a level smoothing constant, self-correction, and the gradual weakening of the influence of older observations on new forecasts. But SES works poorly with baselines that display either trends or seasonality. The trended time series is one step up in complexity from the stationary time series analyzed by SES—its baseline trends up or down. The use of exponential smoothing with a trended baseline is often called Holt's method, and this course was designed to equip you with this technique. Here, instructor Conrad Carlberg explains how to use Holt's method to create forecasts in R that deal with trends in a baseline.
Introduction
Why trended baseline smoothing will help your regression
Software setup
1. Simple Exponential Smoothing (SES) and Trend
A review of SES with a stationary baseline
Problems using SES with a trended baseline
Forecasting differences
Using R for SES
Using ARIMA(0,1,1) for SES
2. Understanding the Forecast Equation
Distinguish between a level component and a trend component
The trend constant compared to the level constant
Compare smoothing and error correction forms
Initialize the trend forecasts
Build the full worksheet and optimize with Solver
3. Running the Trend Forecast Analysis in R
Prepare for analysis with R
Run and interpret the analysis in R
Conclusion
Next steps

پیشنهاد آموزش مرتبط در فرادرس

لینک های دانلود حجم فایل: 118.0MB همراه با زیرنویس انگلیسی Linkedin Business Analytics Forecasting with Trended Baseline Smoothing_git.ir.rar