holtWinters() 函数

holtWinters() 将 Holt-Winters 预测方法应用于输入表。

Holt-Winters 方法预测指定列在指定间隔的 n 个季节性调整值。例如，如果间隔为六分钟 (6m) 且 n 为 3，则结果包括间隔六分钟的三个预测值。

季节性

seasonality 根据间隔划定季节性模式的长度。如果间隔为两分钟 (2m) 且 seasonality 为 4，则季节性模式每八分钟或每四个数据点发生一次。如果您的间隔为两个月 (2mo) 且 seasonality 为 4，则季节性模式每八个月或每四个数据点发生一次。如果数据没有季节性模式，请将 seasonality 设置为 0。

均匀时间间隔的空间值

holtWinters() 期望值以均匀的时间间隔分布。为了确保值在时间上均匀分布，holtWinters() 应用以下规则

• 数据按间隔划分为基于时间的“桶”。
• 如果一个桶包含多个值，则使用第一个值。
• 如果一个桶不包含任何值，则为该桶添加一个缺失值 (null)。

默认情况下，holtWinters() 使用每个时间桶中的第一个值来运行 Holt-Winters 计算。要指定在计算中使用的其他值，请使用 aggregateWindow 来规范化不规则时间并应用聚合或选择器转换。

拟合模型

当 withFit 设置为 true 时，holtWinters() 应用 Nelder-Mead 优化 以在结果中包含“拟合”数据点。

空时间戳

holtWinters() 在运行 Holt-Winters 计算之前丢弃具有空时间戳的行。

空值

holtWinters() 将 null 值视为缺失数据点，并将它们包含在 Holt-Winters 计算中。

函数类型签名

(
    <-tables: stream[A],
    interval: duration,
    n: int,
    ?column: string,
    ?seasonality: int,
    ?timeColumn: string,
    ?withFit: bool,
    ?withMinSSE: bool,
) => stream[B] where A: Record, B: Record

参数

n

(必需) 要预测的值的数量。

interval

(必需) 两个数据点之间的间隔。

withFit

在结果中返回拟合数据。默认为 false。

column

要操作的列。默认为 _value。

timeColumn

包含要在计算中使用的时间值的列。默认为 _time。

seasonality

一个季节中的点数。默认为 0。

withMinSSE

在结果中返回 minSSE 数据。默认为 false。

minSSE 是优化 holt winters 拟合数据时发现的最小平方误差总和。较小的 minSSE 意味着更好的拟合。检查 minSSE 值可以帮助了解算法何时获得良好的拟合与否。

tables

输入数据。默认为管道转发数据 (<-)。

示例

• 使用 holtWinters 预测未来值
• 使用带有季节性的 holtWinters 预测未来值
• 使用 holtWinters 拟合模型预测未来值

使用 holtWinters 预测未来值

import "sampledata"

sampledata.int()
    |> holtWinters(n: 6, interval: 10s)

使用带有季节性的 holtWinters 预测未来值

import "sampledata"

sampledata.int()
    |> holtWinters(n: 4, interval: 10s, seasonality: 4)

使用 holtWinters 拟合模型预测未来值

import "sampledata"

sampledata.int()
    |> holtWinters(n: 3, interval: 10s, withFit: true)