Introduction to Machine Learning II#
Changepoint Detection#
Kemampuan untuk secara otomatis mendeteksi perubahan signifikan pada tren dalam data time series.
Evaluasi Model#
Evaluasi kinerja model peramalan data time series, termasuk teknik seperti validasi silang dan perhitungan metrik evaluasi.
Exploratory Data Analysis (EDA)#
Proses analisis dan visualisasi data untuk mendapatkan wawasan dan mengidentifikasi pola.
Fitting Model#
Proses pelatihan model Prophet pada data time series menggunakan metode fit().
Forecasting Workflow#
Urutan langkah-langkah yang terlibat dalam membuat peramalan data time series, termasuk membaca data, persiapan data, pelatihan model, peramalan, interpretasi model, evaluasi, dan penyetelan hiperparameter.
General Additive Model (GAM)#
Teknik pemodelan data time series dengan mendekomposisi menjadi tiga komponen utama tren, musiman, dan residu.
Grid Search#
Metode untuk mencoba setiap kombinasi hiperparameter yang ditentukan untuk menemukan kombinasi terbaik yang meminimalkan kesalahan.
Holiday Effect#
Kejadian tidak biasa atau hari libur yang dapat memiliki dampak signifikan pada data time series dan perlu ditentukan secara manual dalam Prophet menggunakan dataframe khusus.
Hyperparameter Tuning#
Proses mencari kombinasi terbaik hiperparameter untuk model peramalan guna meminimalkan kesalahan.
MAE (Mean Absolute Error)#
Metrik yang mengukur rata-rata perbedaan mutlak antara nilai peramalan dan nilai aktual dalam data time series.
Membuat Data Menjadi Interval yang Tetap#
Proses memastikan interval waktu yang tetap dalam data time series.
Model Fitting#
Proses melatih model Prophet pada data time series menggunakan metode fit().
Model Interpretation#
Proses memahami dan memvisualisasikan hasil peramalan data time series, seringkali menggunakan metode seperti plot() dan plot_components().
Multiple Time Series#
Terdapat satu variabel dari banyak objek yang diamati dari waktu ke waktu.
Multivariate Time Series#
Terdapat banyak variabel dari hanya satu objek yang diamati dari waktu ke waktu, seringkali dengan variabel yang saling berkaitan.
Prophet#
Library peramalan yang membutuhkan data time series dalam format tertentu, dengan kolom ‘ds’ (datetime) dan ‘y’ (nilai yang akan di peramalan).
Residuals#
Komponen acak dalam data time series yang tidak dapat dijelaskan oleh tren atau musiman.
Seasonality#
Pola berulang dalam data yang terjadi dalam interval waktu tertentu (misalnya, harian, bulanan, tahunan).
Trend#
Pergerakan jangka panjang atau arah data dalam data time series, sering kali direpresentasikan sebagai garis lurus.
Time Series#
Data yang berkaitan dengan waktu dan memiliki interval waktu tetap (periode pengambilan data yang konsisten) serta berurutan.