Пример. Линейный прогноз 1
Используйте функцию predict, чтобы получить следующие прогнозируемые значения временного ряда.
1. Задайте набор данных временного ряда в векторе y. Данные должны измеряться с равными временными интервалами.
2. Распечатайте временной ряд.
3. Определите количество предыдущих значений, которые будут использованы функцией predict для расчета будущих значений, и количество будущих значений, которые должна вернуть функция predict.
4. Вызовите функцию predict, чтобы экстраполировать будущие значения временного ряда.
5. Распечатайте наблюдаемые данные и прогнозируемые значения.
Механизм прогнозирования
Чтобы понять механизм работы этой функции, определите временной ряд и количество предыдущих и будущих значений.
Функция predict требует расчета коэффициента веса для каждого априорного значения, использованного для прогнозов. Для неизвестных величин n функция predict требует работы с уравнениями n. Она строит уравнения на основе следующей модели прогнозирования:
где X представляет собой временной ряд, а c — вектор коэффициентов веса. Коэффициенты веса рассчитываются способом, известным как метод Бёрга:
Функция predict теперь может оценивать будущие значения.
Существуют такие же значения, как те, что были возвращены функцией predict:
 | Увеличение или уменьшение количества точек во временном ряду влияет на возвращаемые прогнозируемые значения, поскольку прогнозирование использует все данные X для расчета коэффициентов веса, используемых для линейного прогноза. |
Сообщения об ошибках
Сообщения об ошибках, возвращаемые функцией predict, часто вызываются аргументами этой функции. В одном случае сообщение об ошибке связано с самим алгоритмом:
Прогнозируемые значения не могут представлять собой линейную функцию всех точек данных. Можно использовать до (n - 1) точек данных:
Лучше выбирать значение, которое не слишком велико относительно величины точек данных.