Trend, säsongsvariation och brus
Dekomponera en tidsserie
Trend, säsongsvariation och brus är en gratis lektion i Data Science Academy på CoddyKit. Detta är lektion 1 av 4. Ni kan läsa hela lektionen gratis nedan och sedan öva praktiskt i webbläsaren med en inbyggd kodredigerare och en AI-handledare som är tillgänglig dygnet runt. Den ingår i lärvägen för Data Science Academy, och Era framsteg synkroniseras mellan webben och CoddyKit-appen. Kursen i Data Science Academy innehåller totalt 4 lektioner.
Data som lever i tiden
En tidsserie består av datapunkter som registrerats i tidsordning, till exempel daglig försäljning eller temperatur varje timme. Själva ordningen har betydelse. 📈
Tre dolda ingredienser
Nästan alla tidsserier innehåller tre delar: en trend, en återkommande säsong och slumpmässigt brus. Att lära sig se dem är er första färdighet här.
Trend: den långsamma förändringen
En trend är den långsiktiga riktning som data rör sig i, till exempel stadig tillväxt över flera år. Den bortser från de små dagliga variationerna.
Säsongsmönster: det som upprepas
Säsongsmönster är ett mönster som upprepas i en fast cykel, till exempel högre försäljning varje december eller mer trafik på morgonen varje dag.
Brus: det som blir över
Brus är den slumpmässiga och oförklarade del som återstår när trend och säsong har tagits bort. Det går inte att förutsäga, bara att ta hänsyn till.
Varför dela upp dem
Att separera delarna kallas dekomponering. När ni tydligt ser trend och säsong blir det mycket enklare att prognostisera framtiden.
Additiv eller multiplikativ
I en additiv serie adderas delarna, medan säsongen i en multiplikativ serie växer tillsammans med trenden. Välj den modell som passar era data.
Dekomponera med ett anrop
statsmodels kan dela upp en serie åt er med seasonal_decompose. Ni skickar in data och en period.
from statsmodels.tsa.seasonal import seasonal_decompose
result = seasonal_decompose(sales, period=12)Läs de fyra panelerna
result visar fyra staplade diagram: observerat, trend, säsong och residual. Genom att snabbt granska dem lär ni känna serien.
result.plot()Residualen är bruset
Residualpanelen innehåller det som trend och säsong inte kunde förklara. En bra residual ser ut som ett platt, slumpmässigt spridningsmönster kring noll.
Välj rätt period
period anger hur länge en säsong varar: 12 för månadsdata och 7 för dagliga data med en veckocykel.
Snabb kontroll
Vilken del av en tidsserie är det slumpmässiga, oförklarade som blir över?
Sammanfattning: tre delar
Ni har lärt er att en tidsserie består av trend, säsongsmönster och brus, och att dekomponering separerar dem så att ni kan göra prognoser.
Lär dig Python med en AI-lärare – gratis
Skriv och kör riktig kod i webbläsaren, få omedelbar hjälp av en AI-lärare dygnet runt och fortsätt där du slutade – på webben eller i appen.
- Kurser
- 30
- Lektioner
- 120
Vanliga frågor
Är lektionen ”Trend, säsongsvariation och brus” gratis?
Ja – hela texten till ”Trend, säsongsvariation och brus” kan läsas gratis här på webben. Om Ni vill öva interaktivt med en inbyggd kodredigerare och en AI-handledare som är tillgänglig dygnet runt och låsa upp resten av kursen i Data Science Academy, kan Ni uppgradera till CoddyKit PRO. Kursen i Data Science Academy innehåller totalt 4 lektioner.
Vad lär jag mig i ”Trend, säsongsvariation och brus”?
Dekomponera en tidsserie Ni övar på Data Science Academy med praktisk kod som körs direkt i webbläsaren, medan en AI-handledare som är tillgänglig dygnet runt svarar på Era frågor under lektionen.
Behöver jag någon erfarenhet för att börja lära mig Data Science Academy?
Du behöver inga förkunskaper. Utbildningen i Data Science Academy på CoddyKit är upplagd för allt från nybörjare till avancerade elever, så att du kan börja här eller från början och gå fram i din egen takt. Detta är lektion 1 av 4.
Hur lång tid tar lektionen ”Trend, säsongsvariation och brus”?
De flesta CoddyKit-lektioner tar cirka 5–10 minuter. Varje lektion är kort och interaktiv, så att du gör stadiga framsteg och kan fortsätta precis där du slutade – på webben eller i appen.
Kan jag skriva och köra kod i den här Data Science Academy-lektionen?
Ja. Varje Data Science Academy-lektion innehåller en inbyggd kodredigerare, så att du kan skriva och köra riktig kod direkt i webbläsaren och få omedelbar AI-feedback – utan lokal installation.
Alla lektioner i den här kursen
- Trend, säsongsvariation och brus
- Rullande fönster och laggar
- Stationaritet och differensbildning
- En första prognos som baslinje