Zaman serisi problemleri
Zaman serisi makine öğrenimi problemleri, belirli tarih ve saatler için sayısal metrikleri tahmin etmek amacıyla geçmiş verilerden yararlanmayı içerir.
Regresyon ve zaman serisi problemlerini karşılaştırma
Regresyon problemleri, hem hedef değişkende hem de içerdikleri gerçek dünya kullanım durumlarında zaman serisi problemlerine benzerdir. Ayrıca, bu iki problem türü arasında birkaç fark vardır.
Regresyon problemleri hakkında daha fazla bilgi için bkz. Regresyon problemleri.
Benzerlikler
-
Her ikisi de sayısal bir hedef sütun içerir.
-
Her ikisi de satış ve parasal tahminleri içeren finansal kullanım durumlarında yaygın olarak kullanılır.
Farklar
-
Zaman serisi problemleri gruplandırılmış hedefleri desteklerken, regresyon problemleri desteklemez (bkz. Zaman serisi probleminin bileşenleri). Gruplandırılmış senaryolar, gruplar arası küresel öğrenme pahasına, birden çok farklı model eğitilerek regresyon problemleri için hala ele alınabilir.
-
Zaman serisi problemleri, belirli özellik değişkenlerini önceden bildiğiniz senaryoları destekler; örneğin, hava durumuyla ilgili tahminler, planlanmış promosyon indirimleri ve tarihlerin hafta içi, hafta sonu veya tatil günlerine denk gelip gelmediği gibi. Bu özellik değişkenleri Gelecek özellikleri olarak bilinir.
-
Zaman serisi problemleri için veriler, sabit bir zaman aralığında tarih veya tarih-saat ile indekslenmelidir. Ayrıca, eğitim ve tahminler sırasında farklı veri içeriği beklenir ve oluşturulur (bkz. Eğitim veri kümesi hazırlanıyor ve Uygulama veri kümesi hazırlama).
-
Zaman serisi problemlerinde, tahmin edilen değerler belirli tarih ve saatlere açıkça karşılık gelir. Regresyon problemlerinde, tahmin edilen değerler belirli tarih ve saatlere karşılık gelebilir veya gelmeyebilir, ancak geliyorsa, bu ilişki çıktıda açıkça belirtilmek yerine ima edilir.
-
Farklı algoritmalar kullanılır (bkz. Model algoritmalarını anlama).
Zaman serisi örneği: Gelecekteki satışlar
Bu örnek, bir zaman serisi problemi için toplamanız ve sağlamanız gereken verilerin üst düzey bir görünümünü sunar. Zaman serisi problemleri için çerçeveler geliştirmek hakkında daha fazla bilgi edinmek için bkz. Çok değişkenli zaman serisi tahminiyle çalışma.
Bu örnekte amaç, önümüzdeki dört gün için günlük satışları tahmin etmektir. Ek olarak, her bölge ve ürün grubu için günlük satış toplamlarının tahmin edilmesi talep edilmiştir. Bölge ve ürün grubuna göre satış ihtiyacıyla birlikte, çok değişkenli bir zaman serisi problemi ortaya çıkmıştır.
Başlamak için, modeli eğitmek üzere veri toplanır ve birleştirilir. Gereksinim, belirli bir zaman aralığındaki her gün için, bölge ve ürün grubuna göre toplam satış miktarının sunulmasıdır. Ek olarak, her bölge ve ürün grubu için günlük olarak kaç ürünün promosyonda olduğunun sağlanması arzu edilmektedir.
| Tarih | Promosyondaki Ürünler | Bölge | Ürün grubu | Satışlar |
|---|---|---|---|---|
| 2025-01-01 | 100 | Kuzey Amerika | Market | 99642.10 |
| 2025-01-01 | 31 | Güney Amerika | Ürün | 34660.34 |
| 2025-01-01 | 11 | Kuzey Amerika | Deli | 60345.44 |
| 2025-01-01 | 14 | Güney Amerika | Market | 44603.33 |
| 2025-01-01 | 76 | Kuzey Amerika | Ürün | 105844.44 |
| 2025-01-01 | 133 | Güney Amerika | Şarküteri | 150385.44 |
| 2025-01-02 | 17 | Kuzey Amerika | Market | 80195.22 |
| 2025-01-02 | 35 | Güney Amerika | Ürün | 61051.13 |
| 2025-01-02 | 24 | Kuzey Amerika | Şarküteri | 55938.38 |
| 2025-01-02 | 118 | Güney Amerika | Market | 104823.33 |
| 2025-01-02 | 40 | Kuzey Amerika | Ürün | 11111.12 |
| 2025-01-02 | 73 | Güney Amerika | Deli | 15493.33 |
Geçmiş verilerin mevcut olduğu son tarihin 2025-10-09 olduğunu varsayalım. Teorik olarak, bu kullanım durumu için bir zaman serisi modeliyle eğitim, dağıtım ve tahmin işlemlerinden sonra aşağıdaki tahminleri bekleyebilirsiniz.
| Tarih | Promosyondaki Ürünler | Bölge | Ürün Grubu | Satışlar |
|---|---|---|---|---|
| 2025-10-10 | 0 | Kuzey Amerika | Bakkaliye | 193803.15 |
| 2025-10-10 | 14 | Güney Amerika | Ürün | 76666.66 |
| 2025-10-10 | 55 | Kuzey Amerika | Deli | 30593.55 |
| 2025-10-10 | 2 | Güney Amerika | Bakkaliye | 10549.33 |
| 2025-10-10 | 1341 | Kuzey Amerika | Ürün | 100003.33 |
| 2025-10-11 | 0 | Güney Amerika | Şarküteri | 70001.87 |
| 2025-10-11 | 0 | Kuzey Amerika | Market | 39522.11 |
| 2025-10-11 | 150 | Güney Amerika | Ürün | 91859.30 |
| 2025-10-11 | 65 | Kuzey Amerika | Şarküteri | 19583.55 |
| 2025-10-11 | 12 | Güney Amerika | Bakkaliye | 194863.00 |
| 2025-10-11 | 70 | Kuzey Amerika | Ürün | 140244.13 |
| 2025-10-11 | 15 | Güney Amerika | Şarküteri | 76666.66 |
| 2025-10-12 | 20 | Kuzey Amerika | Bakkaliye | 30593.55 |
| 2025-10-12 | 20 | Güney Amerika | Ürün | 10549.33 |
| 2025-10-12 | 39 | Kuzey Amerika | Şarküteri | 100003.33 |
| 2025-10-12 | 109 | Güney Amerika | Bakkaliye | 105893.99 |
| 2025-10-12 | 37 | Kuzey Amerika | Ürün | 80195.22 |
| 2025-10-13 | 75 | Güney Amerika | Deli | 61051.13 |
| 2025-10-13 | 190 | Kuzey Amerika | Market | 55938.38 |
| 2025-10-13 | 0 | Güney Amerika | Ürün | 104823.33 |
| 2025-10-13 | 0 | Kuzey Amerika | Şarküteri | 99105.99 |
| 2025-10-13 | 100 | Güney Amerika | Bakkaliye | 130533.31 |
| 2025-10-13 | 0 | Kuzey Amerika | Ürün | 67676.73 |
| 2025-10-13 | 14 | Güney Amerika | Deli | 100474.24 |