سری زمانی

سری زمانی یک توالی از داده ها در نقاط زمان خاص می باشد – اغلب در فواصل زمانی منظم (ثانیه، ساعت، روز، ماه، و غیره). هر سازمان حجم زیادی از داده ها را هر روز تولید می کند – یعنی رقم فروش، درآمد، ترافیک یا هزینه عملیاتی. داده کاوی سری زمانی می تواند اطلاعات ارزشمندی را برای تصمیم گیری های کسب و کار تولید کند، هرچند که در اکثر سازمان ها از این داده ها کمتر استفاده می شود.

در زیر لیست روشهای ممکن برای استفاده از مجموعه داده های سری می باشد:

۱- تحلیل روند (Trend Analysis) : ترسیم نمودار داده ها در مقایسه با محور زمان می تواند بینش های بسیار قدرتمند ایجاد کند. قطعا یک استفاده بسیار اساسی از داده های سری زمانی شناخت الگو / روند زمانی است. همچنین برای کسب و کارها می تواند جهت گیری کلی ر را نشان دهد.

۲- تشخیص داده های ناهنجار و غیرعادی : یک داده غیرعادی و پرت در یک مجموعه داده های زمانی نمایانگر وجود انحراف است. تشخیص داده های غیرعادی و پرت در یک مجموعه داده می تواند از پیامدهای ناخواسته جلوگیری کند.

۳- بررسی شوک ها / تغییرات غیرمنتظره : داده های سری زمانی می توانند تغییرات و ناهنجاری های ناگهانی را تشخیص داده و سیگنال های مربوط به نویزها را شناسایی کنند.

۴- تجزیه و تحلیل وابستگی : با ترسیم نمودار های دو متغیره یا چند متغیره داده های زمانی، ارتباط بین هر دو ویژگی (مثلا سود در برابر فروش) به آسانی (فقط به صورت بصری) کشف می شود. هرچند این ارتباط ممکن است دلیل مشخصی نداشته باشد.

۵- پیش بینی: پیش بینی مقادیر آینده با استفاده از داده های تاریخی، رویکرد متداولی است. با استفاده از روش ساده ای مثل استخراج ساده تا روش های پیچیده تصادفی مثل ARIMA

در مورد « پیش بینی » اینجا بخوانید.

منبع مطالب:
https://www.datasciencecentral.com/profiles/blogs/time-series-data-mining-amp-applications

مطالب مرتبط