Time Series Forecasting Python 

Hola!! Se ha cambiado el nombre: github.com/narencastellon/Serie-de-tiempo-con-Machine-Learning/blob/main/Modulo%20100.%20Comparando%20Arima_lstm_Random_forest_prophet.ipynb si puedes comparte!!!

Gracias... Si puedes comparte ... Saludos 💪💪

Pronto voy a grabar uno.

Cuando haces esa instrucción estás realizando las predicciones de la forma 1, que son con los datos de prueba.

@@narencastellon si, pero no muestra fechas, muestras numeros consecutivos

Si muestra las fechas, revisa el vídeo nuevamente, te das columnas, las fechas y las predicciones, en ambos casos!!!

He mencionado el cómo parte teórico el Hidden layer, pero no lo he usado en el modelo LSTM, este modelo no usa ese parámetros, en cuanto timegenerador yo lo puedo en ese caso no hay ningún problema, si quiero usarlo para 5 forecast como para 100 lo puedo hacer, no hay ninguna restricción al respecto

En la descripción del vídeo podés encontrar el link de mi Github... No olvides dejar un estrella 🙏... Saludos!!!

Bello 😍

La diferenciacion se usa para poder determinar cuáles serán los términos que va a llegar el modelo... Al usar AutoARIMA no se necesita que lo datos sean diferenciados, ya que la automatización se va a encargar de encontrar el mejor modelo a partir de la series que tengamos... Los demás modelo pueden trabajar con datos estacionarios y no.

@@narencastellonGenio profe! Solo Sarima necesita la series estacionarias... entiendo, muchas gracias de nuevo!

@@christiandagatti1016 todos los modelos de la familia arima requiere que la serie sea estacionaria... Pero casi toda la mayoría de los modelos univariados necesita que la serie sea estacionaria... Cuidado con esto... Estacionario no es lo mismo que estacionalidad ... Son conceptos diferentes....

En este caso ¿ entrena Random forest, Lstm y Prophet con los datos de la serie sin transformar? Es decir sin la diferenciacion

@@christiandagatti1016 si puedes hacerlo y probar... Lo recomendable es hacer un tratamiento de los datos, ejemplo una normalización , usar cox box, una logaritmo... Si la serie lo requiere o otro método de transformación de datos .. Mirar si tienes datos outoliers, o una estandarizacion ... Muchas cosas podés hacer todo dependera de la series que tengas y el desempeño que puedas tener el modelo

Gracias Sol!!! Si puedes compartirlo 💪 genial... No olvides dar like 😁 Gracias!!!

Muchas gracias... Sí puedes comparte!!

@@narencastellon absolutamente

Gracias saludos 😃

En cada modelo que se explica está como hacer las predicciones.

Yo tengo la misma pregunta como hacer las predicciones o mejor dicho pronósticos fuera de set de datos de prueba