Forecast fonksiyonu

Daha önce bir model kurup MET_t_model olarak kaydetmiştin. Şimdi bu modelin 2017'nin ilk 5 ayı için değerlerini öngörmemiz gerekiyor.

Bu egzersiz, kursun bir parçasıdır

R ile Ürün Talebi Tahmini

Kursa Göz Atın

Egzersiz talimatları

MET_t_model için forecast fonksiyonunu kullan. Bunu forecast_MET_t olarak kaydet.
2017'deki ilk 22 hafta için tahmin yapman gerekiyor.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Forecast the first 22 weeks of 2017
forecast_MET_t <- forecast(___, h = ___)

# Plot this forecast #
plot(___)

Kodu Düzenle ve Çalıştır

Bu egzersiz, kursun bir parçasıdır

R ile Ürün Talebi Tahmini

IntermediárioNível de habilidade

4.7+

Kursa Ücretsiz Başla

Tahminleme söz konusu olduğunda, zaman serisi modellemesi harika bir başlangıç noktasıdır! Gelecekteki satış talebi değerlerini tahmin etmen gerekiyor ve iyi bir temel yaklaşım ARIMA modelleridir. Bu bölümde, ARIMA modellerini hızla nasıl uygulayacağını ve gelecekteki ürün talebi için sağlam ilk tahminler nasıl elde edeceğini öğreneceksin.

Exercise 1: Veriyi xts nesnesine yükleme Exercise 2: Veri içe aktarma Exercise 3: Veriyi çizmek / görselleştirmek Exercise 4: ARIMA Zaman Serilerine Giriş Exercise 5: auto.arima() fonksiyonu Exercise 6: auto.arima’yı yorumla Exercise 7: Tahmin ve Değerlendirme Exercise 8: Forecast fonksiyonu

Geçerli egzersiz

Exercise 9: MAPE ve MAE Hesaplama Exercise 10: Tahmini Görselleştirme Exercise 11: Tahmin için Güven Aralıkları

Ekonomi teorisi, talep değerlerini tahmin etme konusunda söyleyecek çok şeye sahiptir. Fiyat, mevsimsellik ve promosyon zamanlaması gibi dış etkenlerin ürün talebinin bazı yönlerini etkilediği açıktır. Bu bölümde, fiyat esnekliği modellerinin temellerini ve mevsimsellik ile promosyon zamanlaması etkenlerini ürün talebi tahminlerimize nasıl katacağımızı öğreneceksin.

Exercise 1: Fiyat esnekliği Exercise 2: Fiyat esnekliğini hesaplama Exercise 3: Esneklik sonuçlarını yorumla Exercise 4: Mevsimsel / tatil / promosyon etkileri Exercise 5: Tatil / promosyon etkilerini görselleştir Exercise 6: Resmi tatil / promosyon etki değişkenleri oluştur Exercise 7: Tatiller / promosyon etkileri için regresyon Exercise 8: Anlamlı tatil veya promosyon etkileri?Exercise 9: Regresyon ile tahmin Exercise 10: Geleceğe yönelik yordayıcı değişkenler oluştur Exercise 11: Gelecek talep değerlerini tahmin et Exercise 12: Regresyon tahminlerini görselleştirme

Zaman serisi modelleri ve fiyatlandırma regresyonları, ürün talebi tahmini için ayrı yaklaşımlar olarak düşünülmek zorunda değil. Birleştirilebilirler! Bu bölümde, her iki modelleme yaklaşımından elde edilen bilgiyi “birleştirmenin” iki yolunu — transfer fonksiyonları ve tahmin toplulukları (ensembling) — öğreneceksin.

Exercise 1: Regresyon modelinden artıklar Exercise 2: Regresyondan artıkların hesaplanması Exercise 3: Artık değerleri görselleştirme Exercise 4: Artık değerlerin tahmin edilmesi Exercise 5: auto.arima fonksiyonu Exercise 6: Zaman serisiyle artıkların tahmini Exercise 7: Artık tahminlerini görselleştirme Exercise 8: Transfer fonksiyonları ve topluluk (ensembling)Exercise 9: Regresyon ve zaman serisinden artık değerleri birleştirme Exercise 10: Transfer fonksiyonu tahminini görselleştirme Exercise 11: Transfer fonksiyonu MAPE ve MAE hesaplama Exercise 12: ARIMA Tahminleme Exercise 13: Tahminlerin Ensemblenmesi

Buraya kadar her şey, ürün talebini tahmin etmek için tekil modeller kurmakla ilgiliydi. Ancak, tüm bu ürünlerin bir satış ürün hiyerarşisi oluşturduğu gerçeğinden henüz yararlanmadık. Ürünler bölgeleri, bölgeler de eyaletleri oluşturur. Tahminlerimizin hiyerarşinin yukarı ve aşağı seviyeleriyle tutarlı olmasını nasıl sağlayabiliriz? Bu bölümde, hiyerarşik tahminlemeyi ve bunu ürün talebi tahmininde lehine nasıl kullanacağını öğreneceksin.

Exercise 1: Alttan Üste Hiyerarşik Tahminleme Exercise 2: Yeni ürün için zaman serisi tahmini oluştur Exercise 3: Yeni ürün için regresyon tahmini oluştur Exercise 4: Yeni ürün için ensemble tahmin Exercise 5: Tüm bölge için bottom-up tahmin hesapla Exercise 6: Yukarıdan Aşağıya Hiyerarşik Tahmin Exercise 7: Bölgesel düzeyde zaman serisi tahmini oluştur Exercise 8: Ortalama geçmiş oranları kullanma Exercise 9: Tarihsel ortalamaların oranını kullanma Exercise 10: Orta-Çıkışlı Hiyerarşik Tahmin Exercise 11: Yeni bölge için zaman serisi tahmini oluştur Exercise 12: Yeni bölge için top-down tahmin Exercise 13: Tüm eyalet için bottom-up tahmin Exercise 14: Tebrikler!