На что влияют характеристики временных рядов?
Добавлено: Вт дек 05, 2023 10:55 am
Я анализирую рекламные кампании, и хочу исследовать временные ряды. Какие они бывают, в чем их сходства и различия? Для этого можно использовать различные характеристики. Я думаю начать со стандартного отклонения (потому что с трендом, сезонностью, модой и медианой мне вроде как уже кое-что понятно). Чтобы мне не изобретать велосипед, какую литературу можно почитать об этом? (особенно применительно к рекламным данным).
Вот в качестве шпоргалки, вот характеристики которые мне более менее известны:
1. **Тренд**: Долгосрочное направление движения данных, например, рост или снижение.
2. **Сезонность**: Периодические колебания, которые повторяются через регулярные интервалы времени, например, ежедневно, еженедельно, ежемесячно.
3. **Цикличность**: Вариации, не связанные с сезонностью, которые могут происходить из-за экономических или других факторов.
4. **Уровень (Level)**: Среднее значение временного ряда.
5. **Шум (Noise)**: Случайные или нерегулярные колебания, не объяснимые трендами, сезонностью или циклами.
6. **Прерывистость (Intermittency)**: Наличие периодов с очень низкой активностью или отсутствием данных.
7. **Выбросы (Outliers)**: Это необычно большие или маленькие значения в данных, которые могут указывать на аномалию или ошибку измерения.
8. **Мода (Mode)**: Наиболее часто встречающееся значение в ряде данных.
9. **Медиана (Median)**: Значение, которое делит упорядоченный набор данных на две равные части, то есть половина значений меньше медианы, а половина — больше.
10. **Вариабельность (Volatility)**: Изменчивость временного ряда во времени.
10.1 **Среднее отклонение (Mean Deviation)**: Средняя абсолютная разница между каждым значением в ряду и средним значением всего ряда. Оно показывает, насколько в среднем значения отклоняются от среднего значения.
10.2 **Стандартное отклонение (Standard Deviation)**: Корень квадратный из среднего квадратов разностей каждого значения от среднего. Это показатель разброса значений относительно их среднего.
10.3 **Среднеквадратическое отклонение (Root Mean Square Deviation, RMSD)**: Подобно стандартному отклонению, но чаще используется в контексте различий между значениями, предсказанными моделью, и наблюдаемыми значениями. RMSD является квадратным корнем из среднего квадратов этих разностей.
Возможно, что применительно к данным рекламы я какие-то характеристики забыл упомянуть.
Вот в качестве шпоргалки, вот характеристики которые мне более менее известны:
1. **Тренд**: Долгосрочное направление движения данных, например, рост или снижение.
2. **Сезонность**: Периодические колебания, которые повторяются через регулярные интервалы времени, например, ежедневно, еженедельно, ежемесячно.
3. **Цикличность**: Вариации, не связанные с сезонностью, которые могут происходить из-за экономических или других факторов.
4. **Уровень (Level)**: Среднее значение временного ряда.
5. **Шум (Noise)**: Случайные или нерегулярные колебания, не объяснимые трендами, сезонностью или циклами.
6. **Прерывистость (Intermittency)**: Наличие периодов с очень низкой активностью или отсутствием данных.
7. **Выбросы (Outliers)**: Это необычно большие или маленькие значения в данных, которые могут указывать на аномалию или ошибку измерения.
8. **Мода (Mode)**: Наиболее часто встречающееся значение в ряде данных.
9. **Медиана (Median)**: Значение, которое делит упорядоченный набор данных на две равные части, то есть половина значений меньше медианы, а половина — больше.
10. **Вариабельность (Volatility)**: Изменчивость временного ряда во времени.
10.1 **Среднее отклонение (Mean Deviation)**: Средняя абсолютная разница между каждым значением в ряду и средним значением всего ряда. Оно показывает, насколько в среднем значения отклоняются от среднего значения.
10.2 **Стандартное отклонение (Standard Deviation)**: Корень квадратный из среднего квадратов разностей каждого значения от среднего. Это показатель разброса значений относительно их среднего.
10.3 **Среднеквадратическое отклонение (Root Mean Square Deviation, RMSD)**: Подобно стандартному отклонению, но чаще используется в контексте различий между значениями, предсказанными моделью, и наблюдаемыми значениями. RMSD является квадратным корнем из среднего квадратов этих разностей.
Возможно, что применительно к данным рекламы я какие-то характеристики забыл упомянуть.