최상의 ARIMA 모형으로 예측 개요

Box-Jenkin의 자동 회귀 통합 이동 평균(ARIMA) 모델은 시계열 데이터 세트를 적합하고 미래 값을 예측하는 강력한 도구입니다. 그럼에도 불구하고 ARIMA 모델에서 적절한 자동 회귀 및 이동 평균 주문을 식별하는 것은 어렵고 시간이 많이 걸립니다.

일반적으로 사용되는 세 가지 모델 선택 기준 중 하나를 사용하여 후보 세트에서 최상의 모델을 자동으로 선택하여 모델 식별 프로세스의 속도를 크게 높이는 데 사용합니다 최상의 ARIMA 모형으로 예측 . Akaike Information Criterion (AIC), Corrected Akaike Information Criterion (AICc) 및 Bayesian Information Criterion (BIC).

예를 들어 자원을 효율적으로 계획하기 위해 병원의 관리자는 ARIMA 모델을 사용하여 일일 외래 환자 방문 횟수를 예측하려고 합니다. 관리자는 ARIMA 모델에 대한 특정 용어 순서를 제안하는 시계열의 패턴을 보지만 관리자는 많은 수의 계절 및 비계절 ARIMA 모델을 신속하게 비교하여 데이터에 잘 맞는 모델을 찾으려고 합니다. 관리자는 많은 수의 모델을 신속하게 평가하는 데 사용합니다 최상의 ARIMA 모형으로 예측 .