> ML_ALGORITHM // EXPONENTIAL-SMOOTHING-HOLT-WINTERS_v1.0

Holt-Winters Üstel Düzleştirme (ETS)

Seviye, eğilim ve mevsimselliği modellemek için geçmiş gözlemlere üstel azalan ağırlıklar uygulayan hızlı ve yorumlanabilir istatistiksel tahmin yöntemi.

Classical Parametric Time Seriestime-series-forecastinghigh-intrinsicsmall (<1k)

Tüm Algoritmalara Dön

Hesaplama Karmaşıklığı

Eğitim (Training):O(n * iterations)

Çıkarım (Inference):O(1) recursion

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

Seviye, eğilim ve mevsimsel bileşenler doğrudan çizdirilebilir ve bağımsız olarak incelenebilir.

Uygun Görevler ve Desteklenen Modaliteler

Uygun Görevler:

time series forecastinginventory demand planning

Desteklenen Modaliteler:

time-series

Uygulayıcı Kütüphaneler

statsmodelsstatsmodels Developers / NumFOCUS · v0.14.4

İncele

caret-r

Temel Literatür & Yayınlar

Sık Karşılaşılan Hatalar ve Dikkat Edilmesi Gerekenler

Sönümlendirilmemiş çarpımsal eğilim, tahmin yörüngelerinin uzun vadelerde gerçekçi olmayan değerlere üstel olarak fırlamasına neden olur