Time Series

Einfach erklärt

Time Series sind Daten mit Zeitstempel, bei denen die Reihenfolge wichtig ist.

Komponenten:

Beobachtung = Trend + Saisonalität + Residuum

Trend:        Langfristige Richtung (steigend/fallend)
Saisonalität: Wiederkehrende Muster (täglich, wöchentlich)
Residuum:     Zufälliges Rauschen

Technischer Deep Dive

Decomposition

from statsmodels.tsa.seasonal import seasonal_decompose

result = seasonal_decompose(data, model='additive', period=7)
result.plot()

# Komponenten:
# result.trend
# result.seasonal
# result.resid

Forecasting mit Prophet

from prophet import Prophet

model = Prophet()
model.fit(df)  # df mit 'ds' (date) und 'y' (value)

future = model.make_future_dataframe(periods=30)
forecast = model.predict(future)