Datos en el tiempo: series temporales y ventanas

Tema 13 · Fase 3, Más modelos, tiempo y estructura · Toda la ruta

Lo esencial

  1. 1Una serie de tiempo es una tabla indexada por fechas en la que el orden importa. Se describe con tendencia, estacionalidad y ruido, y se lleva a otra frecuencia con resample.
  2. 2La autocorrelación mide cuánto se parece la serie a sí misma k días antes. En La Paz, la temperatura de ayer explica mucho de la de hoy, y el ciclo anual vuelve a los 365 días.
  3. 3Una ventana deslizante convierte la serie en una tabla: rezagos con shift, media, desviación, mínimo y máximo con rolling, y el objetivo con shift(-h), donde h es el horizonte. Todas las entradas usan solo el pasado.
  4. 4Una serie no se baraja: TimeSeriesSplit entrena con el pasado y valida con lo que sigue. Barajar, o usar una ventana centrada, mete el futuro en el entrenamiento y da puntajes que mienten.
  5. 5Los huecos se rellenan con forward-fill, el último valor conocido; la media de toda la serie y la interpolación usan días posteriores.
  6. 6Todo modelo se compara con una línea base. A un día, «mañana igual que hoy» es difícil de superar; a una semana, el modelo le saca más ventaja.
Seguir con la teoríaIr directo al código

En la teoría

  1. La pregunta
  2. Actividad: la ventana
  3. Diez años de temperatura en La Paz
  4. Tendencia, estacionalidad y ruido
  5. Rezagos y autocorrelación
  6. La ventana: de serie a tabla
  7. Faltantes en una secuencia: forward-fill
  8. La línea base: «mañana igual que hoy»
  9. Validar sin mirar el futuro
  10. Predecir mañana
  11. Secuencias de largo variable
  12. Lo que aprendiste y lo que sigue