Анализ временных рядов - 04.04.2024 + конспект от YandexGPT

Анализ временных рядов - 04.04.2024 + конспект от YandexGPT

00:02 Классификация временных рядов

• Видео обсуждает два подхода к классификации временных рядов: на основе данных и на основе признаков.
• Признаки - это регулярные характеристики временного ряда, которые могут быть статистическими, временными, спектральными или временными частотными.

06:01 Примеры признаков

• Примеры признаков включают пики, минимумы, медианы, средние значения и другие статистические характеристики.
• Признаки могут быть выделены в едином пространстве или для нескольких рядов, а также могут быть использованы как экзогенные факторы.

10:02 Пространство признаков

• Существует множество стандартных пространств признаков, включая историческое, быстрое и другие.
• Признаки могут быть использованы для классификации временных рядов, но их точность зависит от их соответствия временной метке и точности предсказания.

21:27 Выделение признаков и классификация временных рядов

• Видео обсуждает подходы к выделению признаков и классификации временных рядов.
• Упоминается, что признаки могут содержать не всю информацию и не всегда возможно сформулировать правильные признаки.
• Опыт следователя важен для решения задачи, так как он может использовать стандартные инструменты для анализа остатков и визуального анализа.

35:36 Ансамбли алгоритмов и признаки

• Обсуждается использование ансамблей алгоритмов для решения сложных задач.
• Упоминается, что в некоторых случаях можно комбинировать разные подходы, такие как использование признаков, полученных из преобразования Фреша, и использование алгоритмов, таких как Time Series Force и Random Forest.
• Также упоминается подход, который комбинирует все эти вещи, используя корреляторы для сведения задачи к одной из этих подходов.

39:56 Временные ряды и классификация

• Видео обсуждает различные подходы к классификации временных рядов, включая использование случайных корреляторов и алгоритмов на основе описания временного ряда.
• Упоминается семейство алгоритмов "Арсенал", которые используют ансамбли классификаторов для повышения точности.

49:25 Реализация алгоритмов классификации

• Видео демонстрирует реализацию алгоритмов классификации временных рядов в фреймворке, который используется для предсказания и классификации временных рядов.
• Обсуждаются различные подходы к классификации, включая использование экзогенных факторов для улучшения предсказания.

55:45 Эксперименты с классификаторами

• Видео проводит эксперименты с различными классификаторами, включая алгоритм "расстояние ДТВ" и его модификацию "расстояние разностей".
• Обсуждается важность правильного определения задачи классификации временных рядов и использования различных подходов для разных задач.

01:01:52 Временные ряды и их классификация

• В видео обсуждается классификация временных рядов, где автор объясняет, что задача может быть отнесена к одному из подходов: именной схожести или временной схожести.
• Он также упоминает, что задача может быть классифицирована как "именная схожесть" или "временная схожесть", но не может быть отнесена к обоим подходам одновременно.

01:07:25 Расчленение временного ряда

• Автор объясняет, что для алгоритма, который называется "именная схожесть", он использует грубое расчленение временного ряда по времени и частоте.
• Он также обсуждает, что точность классификации может быть улучшена, если использовать специальные методы, такие как "Лес временных рядов Райс" и "Rocket".

01:19:23 Примеры использования временных рядов

• Автор предлагает использовать временные ряды для анализа продаж товаров или других данных, если это необходимо.
• Он также предлагает использовать временные ряды для классификации факторов, которые могут влиять на продажи, и посмотреть, как это может повысить точность предсказаний.
• В заключение, автор подчеркивает, что временные ряды могут быть использованы для анализа различных данных, и что важно понимать, как они работают, прежде чем использовать их для решения задач.