Aralığı olmayan tahmin, tahmin değildir
Biri gelecek ay ne olacak diye sorar, siz bir sayı verirsiniz. Onu not alır, ona göre plan yapar ve sayı tutmaz — her tahmin gibi. Sorun sayı değildi. Onu ARALIKSIZ vermekti.
Aralık neden genişler. Bir adım sonrasını tahmin ederken ilgili neredeyse her şeyi bilirsiniz: seri şu anda nerede, hangi yöne gidiyor. On adım sonrasında her adımın hatası bir sonrakini besler, belirsizlik birikir. Sabit genişlikte bantlı bir tahmin grafiği, onuncu ayın birinci ay kadar bilinebilir olduğunu iddia eder. Değildir; genişleyen koni dürüst resimdir.
Üstel düzleme. Holt-Winters üç şeyi ileri taşır: mevcut seviye, mevcut trend ve tekrarlayan mevsim şekli. Her biri, az önce olan ile beklenenin ağırlıklı karışımıyla güncellenir — ağırlıklar α, β, γ'dır ve SenSight bunları verinize uydurur. Basittir ve kısa iş serilerinde yenilmesi gerçekten zordur.
ARIMA. Bileşenleri izlemek yerine, trendi farklamayla ayıklandıktan sonra bir değerin yakın geçmişiyle bağımlılığını modeller. Daha esnektir ve daha çok veri ister. SenSight küçük bir mertebe ızgarasını tarar ve AIC ile seçer — ama seçtiği mertebe bir SEÇİMDİR, bir keşif değil. İkinci sıradaki neredeyse aynı iyiyse bu açıkça söylenir; çünkü belirli bir (p, d, q)'yi makine hakkında bir gerçek sanmak hatadır.
⚠️ Asıl önemli sayı: geri sınama. Her model, kendisine gösterilen veriye uyar — uydurmak zaten budur. AIC ve R² tam olarak bunu ölçer ve her zaman iltifat eder. Bu yüzden SenSight serinizin son bölümünü SAKLAR, geri kalanıyla modeli kurar, saklanan kısmı tahmin eder ve gerçek hatayı raporlar. “Bu ne kadar yanılır” sorusuna cevap veren tek sayı odur.
Ve sizi dürüst tutan karşılaştırma. Naif tahmin — gelecek ay bu ay ile aynı, ya da geçen yılın aynı ayı — utandıracak kadar iyidir. Modeliniz onu geçemiyorsa karmaşıklığının bedelini ödemiyor demektir; ya düzeltin ya da naifi kullanıp emeğinizi gerçekten fark yaratacak bir yere verin. SenSight ikisini de her seferinde raporlar, böylece bu karşılaştırma hiçbir zaman isteğe bağlı olmaz.
Aralık neden genişler. Bir adım sonrasını tahmin ederken ilgili neredeyse her şeyi bilirsiniz: seri şu anda nerede, hangi yöne gidiyor. On adım sonrasında her adımın hatası bir sonrakini besler, belirsizlik birikir. Sabit genişlikte bantlı bir tahmin grafiği, onuncu ayın birinci ay kadar bilinebilir olduğunu iddia eder. Değildir; genişleyen koni dürüst resimdir.
Üstel düzleme. Holt-Winters üç şeyi ileri taşır: mevcut seviye, mevcut trend ve tekrarlayan mevsim şekli. Her biri, az önce olan ile beklenenin ağırlıklı karışımıyla güncellenir — ağırlıklar α, β, γ'dır ve SenSight bunları verinize uydurur. Basittir ve kısa iş serilerinde yenilmesi gerçekten zordur.
ARIMA. Bileşenleri izlemek yerine, trendi farklamayla ayıklandıktan sonra bir değerin yakın geçmişiyle bağımlılığını modeller. Daha esnektir ve daha çok veri ister. SenSight küçük bir mertebe ızgarasını tarar ve AIC ile seçer — ama seçtiği mertebe bir SEÇİMDİR, bir keşif değil. İkinci sıradaki neredeyse aynı iyiyse bu açıkça söylenir; çünkü belirli bir (p, d, q)'yi makine hakkında bir gerçek sanmak hatadır.
⚠️ Asıl önemli sayı: geri sınama. Her model, kendisine gösterilen veriye uyar — uydurmak zaten budur. AIC ve R² tam olarak bunu ölçer ve her zaman iltifat eder. Bu yüzden SenSight serinizin son bölümünü SAKLAR, geri kalanıyla modeli kurar, saklanan kısmı tahmin eder ve gerçek hatayı raporlar. “Bu ne kadar yanılır” sorusuna cevap veren tek sayı odur.
Ve sizi dürüst tutan karşılaştırma. Naif tahmin — gelecek ay bu ay ile aynı, ya da geçen yılın aynı ayı — utandıracak kadar iyidir. Modeliniz onu geçemiyorsa karmaşıklığının bedelini ödemiyor demektir; ya düzeltin ya da naifi kullanıp emeğinizi gerçekten fark yaratacak bir yere verin. SenSight ikisini de her seferinde raporlar, böylece bu karşılaştırma hiçbir zaman isteğe bağlı olmaz.
Uygulamada dene
Deneyin: Zaman Serisi sekmesi, Tahmin. Bir kez çalıştırın, ÖNCE geri sınama satırını okuyun, sayılara ondan sonra bakın — sonra yöntemi değiştirip geri sınamanın gerçekten iyileşip iyileşmediğini görün.