StatsModels ile zaman serisi analizi#
Bu sayfa, Think Stats’in üçüncü baskısındaki 12. Bölümü temel alan zaman serisi analizi eğitiminin başlangıç sayfasıdır.
Özet
Zaman serisi analizi, zamana bağlı verileri — özellikle mevsimsel örüntüler veya seri korelasyonu gösteren verileri — modellemek ve tahmin etmek için temel araçlar sağlar. Bu eğitimde, mevsimsel ayrıştırma ve ARIMA dâhil olmak üzere StatsModels kütüphanesindeki araçları ele alacağız. ARIMA modelini parçalarını tek tek uygulayarak temelden geliştirecek, ardından StatsModels ile kullanacağız. Örnek olarak hava durumu verilerini ve ABD’de 2004’ten bu yana yenilenebilir kaynaklardan üretilen elektriği inceleyeceğiz; ancak ele alacağımız yöntemler gerçek dünyadaki pek çok zaman serisi verisine uygulanabilir.
PyData Global 2024 eğitimine ait slaytlara buradan ulaşabilirsiniz.
Notebook’lar#
Eğitimin her kısmı için iki notebook vardır. İlkinde birlikte kodlama etkinlikleri ve alıştırmalar için boş hücreler bulunur; ikincisi ise kodun tamamını ve alıştırmaların çözümlerini içerir.
1. Kısım: Giriş ve mevsimsel ayrıştırma
2. Kısım: Mevsimsel ayrıştırma ve tahmin
3. Kısım: Otokorelasyon ve ARIMA