Ferramenta de comparação de TS

A ferramenta TS Compare compara um ou mais modelos de séries de tempo criados com o Ferramenta ARIMA ou Ferramenta ETS, incluindo os modelos ARIMA que usam covariáveis.

Ele fornece um número de medidas comumente usadas de precisão do modelo em termos de comparar as previsões de ponto de cada modelo com os valores reais do campo que está sendo previsto para um conjunto de dados de validação. Além disso, é fornecida uma parcela e uma tabela de valores reais e de previsão. As entradas para a macro são um ou mais modelos de série temporal (que foram unida juntos) que são baseados no mesmo campo e o mesmo conjunto de dados de estimativa e um fluxo de dado alteryx contendo os valores reais para o período de validação, juntamente com valores de qualquer covariáveis que podem ter sido usados na criação do modelo. Os valores reais precisam ser para os períodos de tempo imediatamente após os períodos de tempo usados para criar os modelos.

Capítulo 2, secção 5 da Hyndman e da previsão do livro online da Athanasopoulos : os princípios e a prática proporcionam uma boa discussão das medidas utilizadas para avaliar a exactidão do modelo de previsão.

Esta ferramenta utiliza a ferramenta R. Acesse Opções > Baixar ferramentas preditivas e faça login em Portal de downloads and licenças do Alteryx para instalar o R e os pacotes usados pela Ferramenta R. Veja Baixar e utilizar ferramentas preditivas.

Conecte entradas

A ferramenta previsão de covarite TS requer um fluxo de dados que seja:Designer

Um conjunto de modelos de séries de tempo que prevêem o mesmo campo, idealmente Estimando os mesmos períodos de tempo, que foram sindicalizados juntos.
Um fluxo de dados Alteryx que contém o mesmo campo que a previsão pela Time Series ARIMA ou ETS, mas por períodos de tempo que imediatamente após os períodos de tempo usados para estimar os modelos. Se um dos modelos a ser comparado for um modelo ARIMA com covariáveis, todos os campos covariados usados também devem ser incluídos neste fluxo de dados.

O tamanho do conjunto de validação deve ser, pelo menos, enquanto os períodos de número para o futuro do modelo será usado para prever na produção. Se a amostra total disponível for grande, o tamanho do conjunto de validação é frequentemente Lager do que o número de períodos a ser previsto, e é muitas vezes entre 10% e 20% dos dados disponíveis.

Configure a ferramenta

Use a guia opções de gráficos para definir os controles para a saída.

Tamanhodo lote: selecione polegadas ou centímetros para o tamanho do gráfico.
Resolução do gráfico: selecione a resolução do gráfico em pontos por polegada: 1x (96 dpi); 2x (192 dpi); ou 3x (288 dpi). A resolução mais baixa cria um arquivo menor e é melhor para visualização em um monitor. Maior resolução cria um arquivo maior com melhor qualidade de impressão.
Tamanho da fonte base (pontos): selecione o tamanho da fonte no gráfico.

Visualizar a saída

Conecte uma ferramenta Navegar a cada âncora de saída para exibir os resultados.

O Anchor: contém um fluxo de dados dos nomes de cada modelo examinado e suas estatísticas de precisão. As estatísticas de precisão são o erro de previsão média (me), a raiz quadrada da média de erros de previsão ao quadrado (RMSE), os valores absolutos médios dos erros de previsão (Mae), o erro médio de previsão de porcentagem (MPE), o erro de previsão de porcentagem absoluta média (mape) , e o erro de escala absoluta média (Mase). O mais comumente focado em destes é a medida mape, no entanto, a medida Mase aborda algumas deficiências de mape. Para todas as medidas, os modelos com valores menores destas medidas são preferidos àqueles com valores maiores.
R Anchor: consiste nos trechos de relatório de uma tabela com os valores reais e de previsão, uma tabela das estatísticas de precisão para cada modelo e uma plotagem que mostra todos os valores da série temporal e valores de previsão para todos os modelos que estão sendo comparados.
Eu âncora: um painel de HTML interativo consistindo de parcelas e métricas. Você pode interagir com as visualizações clicando nos diferentes elementos gráficos para revelar mais informações, valores, métricas e análises.

*Hyndman, RJ e Athanasopoulos, G. (2012) previsão: princípios e práticas.