이제 잔차를 구했으니, 잔차를 몇 가지 다른 관점에서 살펴보겠습니다.
이 연습은 강의의 일부입니다
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Plot the histogram of the residuals ___(___)
예측을 시작할 때는 시계열 모델링이 훌륭한 출발점이에요! 미래의 판매 수요 값을 예측해야 하며, 견고한 기준 접근법으로는 ARIMA 모델이 좋아요. 이 챕터에서는 ARIMA 모델을 빠르게 구현하고 향후 제품 수요에 대한 초기 예측을 얻는 방법을 배웁니다.
경제학 이론은 수요를 예측하는 데 유용한 통찰을 제공합니다. 가격, 계절성, 프로모션 시기 같은 외부 요인이 제품 수요의 여러 측면을 좌우하죠. 이 챕터에서는 가격 탄력성 모델의 기초를 배우고, 계절성과 프로모션 시기 요인을 제품 수요 예측에 어떻게 반영할지 살펴봅니다.
시계열 모델과 가격 회귀는 제품 수요 예측에서 서로 별개의 방법으로만 볼 필요가 없어요. 함께 사용할 수 있습니다! 이 챕터에서는 두 가지 모델링 접근에서 얻은 정보를 “결합”하는 두 가지 방법—전달 함수와 예측 앙상블링—을 배웁니다.
현재 연습
지금까지는 제품 수요 예측을 위한 개별 모델을 만드는 방법을 다뤘습니다. 하지만 이 모든 제품은 판매의 제품 계층 구조를 이룹니다. 제품은 지역을 구성하고, 지역은 주를 구성하죠. 예측이 계층의 위아래에서 일관되게 정합되도록 하려면 어떻게 해야 할까요? 이 챕터에서는 계층형 예측을 배우고, 이를 활용해 제품 수요 예측의 정확성과 일관성을 높이는 방법을 익힙니다.