Пример. Линейный прогноз 2
Прогнозирование периодических данных
Используйте функцию predict, чтобы найти будущие значения периодических наборов данных.
2. Постройте график периодического набора данных.
3. Вычислите следующие 20 точек функции.
4. Используйте функцию predict, чтобы экстраполировать следующие 20 точек данных.
5. Добавьте расчетные и экстраполированные точки данных на первоначальный график, а затем сравните результаты.
Как видно из графика, функция predict отлично работает с периодическими данными. Причиной является зависимость прогнозирования от автокорреляции.
Прогнозирование линейных данных
Используйте функцию predict, чтобы найти будущие значения линейных наборов данных.
1. Определите линейный набор данных.
2. Постройте график линейного набора данных.
3. Вычислите следующие 50 точек функции.
4. Используйте функцию predict, чтобы экстраполировать следующие 100 точек данных.
5. Добавьте расчетные и экстраполированные точки данных на первоначальный график, а затем сравните результаты.
Изначально линейный прогноз точен. Далее функция predict задает периодичность. В целом не рекомендуется проводить прогнозирование слишком далеко вперед.
Оценка априорных значений
Функцию predict можно также использовать, чтобы оценить предшествующие значения набора данных временного ряда.
1. Определите и отобразите на графике временной ряд.
2. Задайте число предшествующих значений.
3. Используйте функцию reverse, чтобы поменять порядок исходных точек данных на обратный, а затем примените predict к обращенному временному ряду.
4. Поменяйте вектор результатов на обратный.
5. Распечатайте экстраполированные значения и исходный временной ряд.
Пунктирная линия рисуется между последней экстраполированной точкой и первой точкой данных временного ряда, чтобы помочь пользователю в визуализации полного набора точек данных.