1. Introducton

그림 1: 인간 및 자동화된 작업을 가장 잘 활용하는 대규모 예측에 대한 분석기 접근 방식의 개략도.

1. 각 매개 변수에 대한 인간의 해석을 가진 유연한 사양을 사용하여 시계열을 모델링

2. 모델에 대한 예측과 다양한 과거 시뮬레이션 예측 날짜에 대한 합리적인 기준 세트를 생성하고 예측 성능을 평가

3. 성능이 떨어지거나 예측이 인간의 개입을 보장할 때, 이러한 잠재적 문제를 우선순위에 따라 인간 분석가에게 표시

4. 분석가는 예측을 검사하고 이 피드백을 기반으로 잠재적으로 모형을 조정

그림 2: Facebook에서 생성된 이벤트 수. 각 요일에 대한 포인트가 있으며, 요일별로 포인트가 색상으로 코딩되어 주간 주기를 표시. 이 시계열의 특징은 다중 강한 계절성, 추세 변화, 특이치 및 휴일 효과와 같은 많은 비즈니스 시계열을 대표함.

2. Features of Business Time Series

예측이 좋지 않을 때, 매개 변수를 당면한 문제에 맞게 조정하려면 기본 시계열 모델이 어떻게 작동하는지에 대한 철저한 이해가 필요

그림 3: 자동 예측 절차 모음을 사용한 그림 2의 시계열 예측. 예측은 역사상 세 가지 예시적인 지점에서 이루어졌으며, 각각은 그 지점까지 시계열의 일부만을 사용. 그림에서 더 많은 수직 공간을 허용하기 위해 그림을 그리는 동안 특이치를 제거했습니다.

3. The Prophet Forecasting Model

그림 2에서 볼 수 있는 비즈니스 시계열의 일반적인 특징을 처리하기 위해 설계된 시계열 예측 모델을 설명

주의!) 기본 모델의 세부 사항을 알지 못하고 조정할 수 있는 직관적인 매개 변수도 갖도록 설계됨

추세, 계절성 및 휴일의 세 가지 주요 모델 구성 요소로 분해 가능한 시계열 모델

g(t): 시계열 값의 비주기적 변화를 모델링하는 추세 함수

s(t): 주기적 변화(예: 주별 및 연도별 계절성)

h(t): 하루 이상의 잠재적으로 불규칙한 일정에 발생하는 휴일의 영향