2.3 KiB
2.3 KiB
| title | sidebar_label |
|---|---|
| HoltWinters | HoltWinters |
本节讲述 HoltWinters 算法模型的使用方法。
功能概述
HoltWinters模型又称为多次指数平滑模型（EMA）。对含有线性趋势和周期波动的非平稳序列适用，利用指数平滑法让模型参数不断适应非平稳序列的变化，并对未来趋势进行短期预测。 HoltWinters有两种不同的季节性组成部分，当季节变化在该时间序列中大致保持不变时，通常选择加法模型；而当季节变化与时间序列的水平成比例变化时，通常选择乘法模型。 该模型对于返回数据也不提供计算的置信区间范围结果。在 95% 置信区间的上下界结果与预测结果相同。
参数
分析平台中使用自动化的 ARIMA 模型进行计算，因此每次计算的时候会根据输入的数据自动拟合最合适的模型，然后根据该模型进行预测输出结果。
| 参数名称 | 说明 | 必填项 |
|---|---|---|
| period | 输入时间序列数据每个周期包含的数据点个数。如果不设置该参数或则该参数设置为 0， 将使用一次（简单）指数平滑方式进行数据拟合，并据此进行未来数据的预测 | 选填 |
| trend | 趋势模型使用加法模型还是乘法模型 | 选填 |
| seasonal | 季节性采用加法模型还是乘法模型 | 选填 |
参数 trend 和 seasonal的均可以选择 add （加法模型）或 mul（乘法模型）。
示例及结果
针对 i32 列进行数据预测，输入列 i32 每 10 个点是一个周期，趋势采用乘法模型，季节采用乘法模型
FORECAST(i32, "algo=holtwinters,period=10,trend=mul,seasonal=mul")
{
"rows": rows, // 结果的行数
"period": period, // 返回结果的周期性， 该结果与输入的周期性相同，如果没有周期性，该值为 0
"algo": 'holtwinters' // 返回结果使用的计算模型
"mse":mse, // 最小均方误差（minmum square error）
"res": res // 具体的结果，按照列形式返回的结果。一般意义上包含了 两列[timestamp][fc_results]。
}