Hola excelente video. Una consulta, dividiste tu set de datos en train y test y que el set de testeo respondió bien a lo previamente entrenado, sin embargo en la vida real pasa que para pronosticar el futuro no tenemos los insumos o regresores que se utilizaron en la etapa de entrenamiento. Entonces mi pregunta es, como abordar dicha ausencia? Si es viable generar un proyección para cada regresor y luego que estos sean insumos para predecir la variable 'y'?
Hey brou como estas? Podés dividir los datos si querés o sino podés usarlo tal cual está, es depende de lo querés hacer. Es una pregunta interesante, hay muchas opciones que podés hacer en eso caso cuando no tenes los regresores: 1. Generar "lags" para los regresores, ya que esto captura la relación entre los valores pasados y futuro de la serie. 2. Podés usar promedio móvil, los promedio móvil ayuda a suavizar las fluctuaciones y a identificar la tendencia en la series. 3. Podés realizar un forecasting para cada regresor con cualquier otro método. Si puede comparte, y me dejas gracias. Te comento también que estaré dando un curso de especialización en forecasting, te deja acá el enlace: forecastlatam.com/especializacion-en-forecasting/ Aun hay cupo para que te inscribas!!! Saludos 💪💪
hola que tal Buen video, estoy trabajando en un modelo de forecast con redes lstm para valores de irradiancia solar pero no logro captar muy bien las variaciones del set de datos de tu experiencia que hiperparametros podria mejorar para mejorar el modelo ya que los datos son tomados cada 5 minutos y a lo largo de un dia estos varian mucho.
Hola como estas, un gusto saludarte!!! Sin conocer el comportamiento y los datos es imposible darte una ayuda, pero te dire algunas cosas al respecto, podrian servirte: 1. Puedes agregar lags o rezagos, los rezagos ayuda a capturar los valores pasados de la series, es decir, capturar la relación entre valores pasados y presentes 2. puedes agregar promedios moviles tambien, esto podria tambien ayudarte a capturar tendencia y patrones. 3. puedes diferenciar la series, eso puedo ayudarte tambien capturar mas tendencias 4. agregar variables exogenas a tu modelo. 5. cambiar el modelo, no todos los modelos se adaptan bien a los datos que uno tiene. 6. probar otro modelo
Hola excelente video. Una consulta, dividiste tu set de datos en train y test y que el set de testeo respondió bien a lo previamente entrenado, sin embargo en la vida real pasa que para pronosticar el futuro no tenemos los insumos o regresores que se utilizaron en la etapa de entrenamiento. Entonces mi pregunta es, como abordar dicha ausencia? Si es viable generar un proyección para cada regresor y luego que estos sean insumos para predecir la variable 'y'?
Hey brou como estas?
Podés dividir los datos si querés o sino podés usarlo tal cual está, es depende de lo querés hacer.
Es una pregunta interesante, hay muchas opciones que podés hacer en eso caso cuando no tenes los regresores:
1. Generar "lags" para los regresores, ya que esto captura la relación entre los valores pasados y futuro de la serie.
2. Podés usar promedio móvil, los promedio móvil ayuda a suavizar las fluctuaciones y a identificar la tendencia en la series.
3. Podés realizar un forecasting para cada regresor con cualquier otro método.
Si puede comparte, y me dejas gracias.
Te comento también que estaré dando un curso de especialización en forecasting, te deja acá el enlace:
forecastlatam.com/especializacion-en-forecasting/
Aun hay cupo para que te inscribas!!!
Saludos 💪💪
hola que tal Buen video, estoy trabajando en un modelo de forecast con redes lstm para valores de irradiancia solar pero no logro captar muy bien las variaciones del set de datos de tu experiencia que hiperparametros podria mejorar para mejorar el modelo ya que los datos son tomados cada 5 minutos y a lo largo de un dia estos varian mucho.
Hola como estas, un gusto saludarte!!!
Sin conocer el comportamiento y los datos es imposible darte una ayuda, pero te dire algunas cosas al respecto, podrian servirte:
1. Puedes agregar lags o rezagos, los rezagos ayuda a capturar los valores pasados de la series, es decir, capturar la relación entre valores pasados y presentes
2. puedes agregar promedios moviles tambien, esto podria tambien ayudarte a capturar tendencia y patrones.
3. puedes diferenciar la series, eso puedo ayudarte tambien capturar mas tendencias
4. agregar variables exogenas a tu modelo.
5. cambiar el modelo, no todos los modelos se adaptan bien a los datos que uno tiene.
6. probar otro modelo