Práticas recomendadas para séries temporais do Kraken

Série Temporal Univariada: Kraken atualmente implementa um modelo de série temporal univariada que tem semelhanças com os modelos de melhor desempenho na indústria, como o Auto-SARIMA. A modelagem de séries temporais busca sazonalidade e tendências gerais de crescimento com base em dados históricos. Isso permite que os modelos prevejam o futuro em qualquer quantidade de tempo. Kraken faz previsões para 12 meses no futuro e pode lidar com dados diários, semanais ou mensais. Ele também lida graciosamente com dias ausentes. O conjunto de dados de retorno tem a data, valor real, valor previsto, limite superior e limite inferior (limites em um intervalo de confiança de 80%), além de marcar outliers no conjunto de dados que são automaticamente considerados anomalias e removidos do treinamento. Nota importante - Campo de Data: Kraken usará o tipo de dado que é usado na conexão de origem. Ou seja, se você estiver usando um conector MySQL e o esquema tiver uma coluna como tipo de data, ela será lida como uma data no Kraken. Para CSVs, Kraken atualmente só analisa datas no formato “aaaa-mm-dd”. Nota importante - Agregação: Kraken soma dados ao nível diário e depois observa a frequência/escassez de datas dos dados que lhe são fornecidos (isso significa que, se você tiver múltiplos pontos por dia, ele somará esses juntos). Se forem dados diários, mas com muitos dias ausentes, os dados automaticamente agregarão a soma dos dados ao nível semanal; o mesmo vale para agregar o nível semanal ao nível mensal. Se esse tipo de agregação ocorrer, é possível que as datas retornadas da previsão não correspondam exatamente às datas fornecidas para serem analisadas, mas a soma do valor corresponderá à soma do valor no conjunto de dados de entrada.