Зміст
Введення
Практична і математична постановка задачі
Аналіз існуючих алгоритмів і методів рішення задачі
. «Наївна» модель прогнозування.
.Екстраполяція.
.Прогнозірованіе методом середнього і змінного середнього.
.Регрессіонние моделі.
.Метод декомпозиції часового ряду.
.Метод «найближчого сусіда» (NN - nearest neighbor) або системи міркувань на основі аналогічних випадків
.Метод опорних векторів (SVM - Support Vector Machine).
.Метод дерев рішень.
.Кластерізація
.Метод асоціативних правил
Опис розроблювального алгоритму, його укрупненная схема
Рішення контрольного прикладу
Оцінка точності рішення
Висновок і висновки
Список літератури
Введення
Прогнозування - одна з найбільш затребуваних, але при цьому і найскладніших, завдань аналізу. Проблеми при її вирішенні обумовлені багатьма причинами - недостатня якість і кількість вихідних даних, зміни середовища, в якій протікає процес, вплив суб'єктивних факторів. [1]
Якісний прогноз є ключем до вирішення таких актуальних бізнес-завдань, як оптимізація складських запасів і фінансових потоків, бюджетування, оцінка інвестиційної привабливості та багатьох інших. [1]
Нейронні мережі - це дуже потужний і гнучкий механізм прогнозування. При визначенні того, що потрібно прогнозувати, необхідно вказувати змінні, які аналізуються і передвіщаються. Другий важливий етап при побудові нейромережевої прогнозуючої системи - це визначення наступних трьох параметрів: періоду прогнозування, обрію прогнозування та інтервалу прогнозування. Період прогнозування - це основна одиниця часу, на яку робиться прогноз. Горизонт прогнозування - це число періодів в майбутньому, які покриває прогноз. Тобто, може знадобитися прогноз на 10 днів вперед, з даними на кожен день. У цьому випадку період - добу, а горизонт - 10 діб. Нарешті, інтервал прогнозування - частота, з якою робиться новий прогноз. Часто інтервал прогнозування збігається з періодом прогнозування. Вибір періоду і горизонту прогнозування зазвичай диктується умовами прийняття рішень в області, для якої проводиться прогноз. Вибір цих двох параметрів - ледь не найважче в нейросетевом прогнозуванні. Для того щоб прогнозування мало сенс, горизонт прогнозування повинен бути не менше, ніж час, необхідний для реалізації рішення, прийнятого на основі прогнозу. [2]
У деяких випадках не так важливо пророкування конкретних значень прогнозованої змінної, як прогноз значних змін у її поведінці. Таке завдання виникає, наприклад, при прогнозі моменту, коли поточний напрямок руху ринку (тренд) змінить свій напрямок на протилежне. [2]
Точність прогнозу, необхідна для конкретної проблеми, має великий вплив на прогнозуючу систему. Також величезний вплив на прогноз надає навчальна вибірка. [2]
Практична і математична постановка задачі
Структура прогностичної моделі схожа на структури моделей, використовуваних для вирішення інших завдань аналізу, наприклад розпізнавання, ідентифікації і т.п. Модель прогнозу відрізняється тільки характером використовуваних даних і алгоритмами їх обробки. Узагальнена структура прогностичної моделі представлена ??на Помилка! Джерело посилання не знайдено .. [3 стор. 533]
Малюнок 1. - Узагальнена модель прогнозу
Тут набір вхідних змінних xi (i=1..n), створюючих вектор X, - вихідні дані для прогнозу. Набір вихідних змінних yi (j=1..m), створюючих вектор результату Y, є набір прогнозованих величин. [3 стор. 533]
Коли вирішується завдання прогнозування значень часового ряду, що описує динаміку зміни деякого бізнес-процесу, вхідні значення - спостереження за розвитком процесу в минулому, у вихідні - прогнозні значення процесу в майбутньому. При цьому тимчасові інтервали минулих спостережень і тимчасові інтервали, по яких потрібно отримати прогноз, повинні відповідати один одному. Наприклад, якщо потрібно отримати прогноз по продажах за майбутню тиждень, спостереження, на основі яких будуватиметься прогноз, також повинні бути за тиждень. Навчальна вибірка стоїться шляхом перетворення тимчасового рядас допомогою ковзного вікна. [3 стор. 533]
Крім того, кількість прогнозованих спостережень за історією розвитку процесу в минулому, на основі якого будується прогноз, повинно бути більше, ніж число прогнозованих інтервалів, тобто n lt; m. Інакше кажучи, якщо ми хочемо отримати прогноз на тиждень, то для цього повинні взяти спостереження за декілька минулих тижнів. [3 стор. 533]
Аналіз існуючих алгоритмів і методів рішення задачі
1. «Наївна» модель прогнозування
модель прогнозування кластеризація век...
