Lmst

ARIMA vs. SARIMA in Python: Choosing the Right Model for Seasonal Data
When trend + noise is not enough, and seasonality must be modeled explicitly.
This post explains the difference, how to spot seasonality in real data, and how to evaluate both models correctly in Python (with clean time splits and practical checks).

История редкого ноутбука: свежий взгляд на винтажный Bliss 502C

Я давно коллекционирую винтажные ноутбуки — не просто старую офисную технику, а именно те редкие и причудливые модели, которые в объявлениях и на барахолках попадаются буквально раз в несколько лет. Это хобби похоже на настоящую охоту: листаешь всем известный сайт на букву «А», находишь раритеты, иногда — по весьма выгодной цене. И вот недавно мне попалось объявление, которое я чуть не пропустил: ноутбук Bliss 502С в рабочем состоянии, да ещё и с полным набором инструкций, руководств пользователя и прочих бумажек, как будто его только вчера принесли из магазина. Признаться, до этого я никогда не слышал о бренде Bliss — тем интереснее было посмотреть на этот аппарат своими глазами. Итак, посмотрим!

https://habr.com/ru/companies/ruvds/articles/967848/

#bliss #nexus #502c #pentium_m #centrino #arima #ruvds_статьи

Chronos и AutoGluon-TimeSeries — мощный инструмент прогнозирования временных рядов

Работая в компании, которая занимается автоматизацией складских процессов, мы столкнулись с задачей прогнозирования нагрузки на склад. Это классическая задача предсказания временных рядов, в которой, имея достаточно большой объем исторических данных (минимум 1-2 года), нужно спрогнозировать, как эти данные будут меняться в будущем. Для построения прогнозов на месяц мы использовали SARIMAX. Но на фоне развития нейросетевых технологий и нейросетей с архитектурой Transformer, мы решили, в качестве эксперимента, попробовать новый подход к решению поставленной задачи. И в процессе поиска наткнулись на очень интересный подход – использование трансформера совместно с дополнительной регрессионной моделью. Именно такую возможность предоставляет библиотека AutoGluon.

https://habr.com/ru/articles/949062/

#Прогнозирование_временных_рядов #transformer #chronos #AutoGluon #arima #wql

ARIMA celebra casi una década en Ponzano y reivindica volver a lo nuestro https://www.vinetur.com/2025062789174/arima-celebra-casi-una-decada-en-ponzano-y-reivindica-volver-a-lo-nuestro.html?utm_source=dlvr.it&utm_medium=mastodon #ARIMA #Ponzano #GastroVasco #MenuDegustacion #CocinaVasca

I've been working with Time Series models a fair bit lately, and have noticed that ARIMA models (in particular) tend to regress to the long-term mean. This is usually a good thing, agreeing with the intuition that the least wrong guess about the future behaviour (of a stable system) is somewhere in that location (ie weather averages out to historical climate in the long run - in the absence of climate change, that is).

But it's made me wonder if these models might be the cause of consistent over|under-estimation of the future behaviour of systems undergoing fundamental changes over time?

eg Consistent underestimation of solar PV growth and overestimation of RBA wage-price figures.

#TimeSeries #ARIMA #rstats

Graph showing an exponential growth, but with projections made at different times inaccurately predicting a flattening out of that growth.
Title: "Annual PV additions: historic data vs IES WEO predictions"
Source: https://maartensteinbuch.com/2017/06/12/photovoltaic-growth-reality-versus-projections-of-the-international-energy-agency/

Graph showing a flat trend followed by a consistent downward trend, but with projections made at different times inaccurately predicting an increase.
Title: "Wage Price Index Forecasts"
Source: https://www.rba.gov.au/publications/bulletin/2017/mar/2.html

📊 New to time series forecasting?
Learn ARIMA modeling in this clear, hands-on guide from DataCamp!
Perfect for data science beginners.
🔗 https://www.datacamp.com/tutorial/arima
#ARIMA #TimeSeries #DataScience #Forecasting

[Перевод] Прогнозируем временные данные с TimeGPT

Прогнозирование временных рядов играет ключевую роль в самых разных отраслях: от предсказания тенденций на фондовом рынке до оптимизации цепочек поставок и управления запасами. Однако традиционные модели, такие как ARIMA , экспоненциальное сглаживание (ETS) , Prophet , а также современные подходы глубокого обучения — например, LSTM и архитектуры на базе трансформеров — сталкиваются с рядом проблем.

https://habr.com/ru/companies/bothub/articles/875738/

#ИИ #AI #прогнозирование #ARIMA #ETS #Prophet #TimeGPT #файнтюнинг

Portret van mr. Arima, Japan, Ed van der Elsken, 1985 - 1990

#Portretvanmr #Arima #Japan #EdvanderElsken #Asian #fotografie #photography #EdVanDerElsken

http://www.rijksmuseum.nl/en/collection/RP-F-2019-299-7-72

The image is a black and white photograph of an Asian man who appears to be speaking or gesturing during what seems like a formal event. He wears glasses, has short hair with some receding at the temples, and his expression conveys intensity or passion about whatever he's discussing.

He is dressed in business attire: a dark-colored suit jacket over a light shirt with no visible tie (indicating it may have been removed for comfort during speaking), indicating that this might be an important discussion or conference. His right hand is raised slightly, suggesting emphasis on his speech or point of view at the moment captured.

The background is out-of-focus and nondescript, which keeps the focus entirely on him, hinting at a professional setting where individuals are often photographed individually to capture their expressions during significant moments. The photograph has been mounted in a matting with white borders, suggesting it might be part of an exhibition or collection showcasing different portraits.

The overall composition implies this picture was taken by Ed van der Elsken as mentioned in the source reference provided for additional context about his work and specific details regarding "Portret van mr. Arima" from Japan during 1985-1990, which may give insight into the historical or personal significance of this portrait within a broader collection.

Distributed #ARIMA models for ultra-long #TimeSeries https://www.sciencedirect.com/science/article/abs/pii/S0169207022000619

Временные ряды и ARIMA: Как предсказывать будущее без хрустального шара

Что такое временной ряд, модель ARIMA и как к ней подбирать параметры. Простым словами, временной ряд — это просто последовательность событий, которая как-то зависит от времени. Мы для начала будем считать, что ряд самый простецкий и нас просто есть скачущие туда-сюда точки, которые распределены по временной шкале.

https://habr.com/ru/articles/821231/

#временные_ряды #time_series_analysis #arima