> ML_ALGORITHM // AUTOREGRESSIVE-INTEGRATED-MOVING-AVERAGE-ARIMA_v1.0
ARIMA ve SARIMAX (Box-Jenkins Yöntemi)
Fark alma, özbağlanım ve hareketli ortalamalara dayalı tek değişkenli zaman serisi tahmini için kesin klasik istatistiksel çerçeve.
Classical Parametric Time Seriestime-series-forecastinghigh-intrinsicsmall (<1k)
Tüm Algoritmalara DönHesaplama Karmaşıklığı
Eğitim (Training):O(iterations * (p + q)^2 * n) via Kalman filter likelihood
Çıkarım (Inference):O(p + q)
Donanım Karakteristiği
CPU Uygunluğu:Evet
GPU Zorunluluğu:Hayır
Bellek Ayak İzi:low
Açıklanabilirlik ve Veri
Açıklanabilirlik Düzeyi:high-intrinsic
Eğitim Verisi İhtiyacı:small (<1k)
Açıklanabilirlik Değerlendirmesi
Özbağlanımlı (AR) ve Hareketli Ortalama (MA) polinomları momentumu ve şok kalıcılığını doğrudan niceliklendirir.
Uygun Görevler ve Desteklenen Modaliteler
Uygun Görevler:
time series forecastingunivariate econometrics
Desteklenen Modaliteler:
time-series
Uygulayıcı Kütüphaneler
Temel Literatür & Yayınlar
Time Series Analysis: Forecasting and ControlGeorge E. P. Box, Gwilym M. Jenkins (1970) · Holden-Day, San Francisco
Sık Karşılaşılan Hatalar ve Dikkat Edilmesi Gerekenler
- Büyük mevsimsel dönemler (ör. yıllık mevsimsellikli saatlik veri s=8760) SARIMAX polinom uyarlamasının tamamen kilitlenmesine neden olur