Como você definiu os dados no dataframe? Estou trabalhando com duas colunas de dados. Um referente a data e outro relacionado a temperatura, mas está dando erro na hora da plotagem
Depois da uma olhadinha na biblioteca do python que chama Sysidentipy, utiliza os modelos NARX que é a generalização dos modelos ARMAX. Que pra dados dinâmicos com não linearidades é muito eficiente
Aula show de bola , como sempre explicando passo-a-passo. acredito que poderia mostrar mais exemplos de aplicação deste modelo para fixarmos o conceito
Bom dia! Amigo, tenho uma dúvida em relação a série de dados (dataset). Você a criou usando as vendas de um cliente em específico ou de mais clientes? Pode dar um exemplo. Obrigado pelo vídeo.
Muito massa sua didática. Gostei demais e quero aprender mais aqui no teu canal. A única coisa que senti falta foi a possibilidade se seguirmos um mesmo arquivo de dados. Eu mesmo aqui não sei de onde irei pegar um arquivo com dados de vendas que seja conveniente a esta aula.
Muito boa a aula. Só uma observação, para testar se os erros são normais seria bom usar o teste Bera-Jarque, e para testar se há presença de autocorrelação seria bom usar o teste Durbin-watson. E mais uma curiosidade, se quiser usar a modelagem ARIMA e não fazer toda essa análise, existe uma biblioteca de python chamada pmdarima que automatiza todo esse processo.
Tive o mesmo problema aqui. O que eu fiz foi colocar a coluna de datas (minha coluna estava no formato YY-MM-DD) como index (set_index('Data')) e ai funcionou como esperado. Espero ter ajudado.
É possível usar esse modelo para prever câmbio? Um professor meu disse para usar Garch, mas na net só tem sobre volatilidade, então eu não soube como usar
Imagine que eu tenha a temperatura num motor como variavel que quero prever em função do tempo. Só que outros fatores tais como: corrente, carga também influenciem na temperatura. o ARIMA consegue utilizar essas demais entradas para prever a temperatura no motor?
Bom dia Galera!! Estou iniciando na área e gostaria de saber como abro o jupyter Notebook desde arquivo para trabalhar com esse banco de dados que ele já instalou? Ou então como Abro ele pelo Google Colab? Vi exemplos que nessa página do github tinha a opção de download e daí eu baixava e acessava direto do terminal de comando do Windows, porém não vi essa opção nesse arquivo disponibilizado.
Ótimo vídeo, Rogrigo! Me tira uma dúvida, se eu tenho uma base da dados em que cada linha representa uma venda (e com coluna que representa a data da venda), como posso agregar essas linhas por mês, pode exemplo?
Cara me Deu uma luz. Será que com Arima eu conseguiria prever novas vendas de pneus? Trabalho em uma empresa que hoje só ligamos pro cliente a cada 100 mil km pra ofertar pneus. Mas agora vejo que daria pra carregar as compras desse cliente para prever as proxima compras dele então.
Muito legal! Apenas gostaria de compreender melhor como utilizar o modelo para de fato prever valores futuros, e não somente utilizar os valores presentes para desenvolver o modelo e testar sua acurácia. (Pelo menos entendi dessa forma). Muito obrigado!
è legal mostrar como fazer manualmente @Hélio. Assim o entendimento é concretizado.
4 роки тому
O modelo mais "completo" seria o ARIMAX né? onde o ARMA, ARIMA, ARMAX e outros são casos especificos dele com 0 em algumas funções. Tem alguma coisa disso no canal?
Seria legal também mostrar o dataframe importado pra ter uma ideia de como são os dados dás vendas
Da hora! Trabalho com pcp, vou começar a usar a técnica no python
Muitíssimo obrigada por esta maravilhosa aula. Me ajudou muito em um trabalho da pós!!!
Muito boa sua aula, tudo muito bem explicadinho. Valeu pela ajudar.
Por favor não esqueça fazer a aula para explicar os resultados do método ARIMA, isso seria muito legal!
Boa ideia, obrigado pela sugestão.
@@Stack_tecnologias Concordo com a Juliana. Valeu
Obrigada por essa aula!! Era o que precisava! Muito útil e bem explicada!
Como você definiu os dados no dataframe? Estou trabalhando com duas colunas de dados. Um referente a data e outro relacionado a temperatura, mas está dando erro na hora da plotagem
Por mais exemplos de Modelos ARIMA e Regressões Logísticas.
Depois da uma olhadinha na biblioteca do python que chama Sysidentipy, utiliza os modelos NARX que é a generalização dos modelos ARMAX. Que pra dados dinâmicos com não linearidades é muito eficiente
Recomendo muito vocês! Show! Obrigada por mais uma aula
Obrigado pela mensagem Stèphanie.
Excelente, muito obrigado pela oportunidade de aprendizado.
Que bom que gostou Adriano.
Aula show de bola , como sempre explicando passo-a-passo. acredito que poderia mostrar mais exemplos de aplicação deste modelo para fixarmos o conceito
Obrigado pela sugestão Francisco :)
Bom dia! Amigo, tenho uma dúvida em relação a série de dados (dataset). Você a criou usando as vendas de um cliente em específico ou de mais clientes? Pode dar um exemplo. Obrigado pelo vídeo.
Muito massa sua didática. Gostei demais e quero aprender mais aqui no teu canal.
A única coisa que senti falta foi a possibilidade se seguirmos um mesmo arquivo de dados. Eu mesmo aqui não sei de onde irei pegar um arquivo com dados de vendas que seja conveniente a esta aula.
Muito boa a aula. Só uma observação, para testar se os erros são normais seria bom usar o teste Bera-Jarque, e para testar se há presença de autocorrelação seria bom usar o teste Durbin-watson. E mais uma curiosidade, se quiser usar a modelagem ARIMA e não fazer toda essa análise, existe uma biblioteca de python chamada pmdarima que automatiza todo esse processo.
Bacana Ivanildo, obrigado pela contribuição!
Ah e a pmdarima já tem em si a escolha dos parâmetros de sazonalidade, caso haja.
Bacana a aula, mas utilizei aqui o autocorrelation_plot e não rodou com meu dataset.
Tive o mesmo problema aqui. O que eu fiz foi colocar a coluna de datas (minha coluna estava no formato YY-MM-DD) como index (set_index('Data')) e ai funcionou como esperado. Espero ter ajudado.
Ótima didática. Inscrito!
Estou trabalhando com a base para poder fazer alguns testes, e está dando um erro quando uso o astype(float32)
boa tarde, queria ver usando estes comandos no R
É possível usar esse modelo para prever câmbio? Um professor meu disse para usar Garch, mas na net só tem sobre volatilidade, então eu não soube como usar
Poderia indicar algumas referências bibliográficas sobre ARIMA?
Ótima aula! Obrigada!
Você poderia ensinar previsões em R tbm?? Ajudaria muuuito!
Excelente explicação!!
Obrigado pela mensagem :)
Imagine que eu tenha a temperatura num motor como variavel que quero prever em função do tempo. Só que outros fatores tais como: corrente, carga também influenciem na temperatura. o ARIMA consegue utilizar essas demais entradas para prever a temperatura no motor?
aula bacana!
Valeu pelo comentário Alexandre. :)
Bom dia Galera!! Estou iniciando na área e gostaria de saber como abro o jupyter Notebook desde arquivo para trabalhar com esse banco de dados que ele já instalou? Ou então como Abro ele pelo Google Colab? Vi exemplos que nessa página do github tinha a opção de download e daí eu baixava e acessava direto do terminal de comando do Windows, porém não vi essa opção nesse arquivo disponibilizado.
Mas como exporta a previsão?
Ótimo vídeo, Rogrigo! Me tira uma dúvida, se eu tenho uma base da dados em que cada linha representa uma venda (e com coluna que representa a data da venda), como posso agregar essas linhas por mês, pode exemplo?
Procura sobre pandas resample
alguem sabe onde está esse datas ??
Parabéns , espetacular a aula. No canal tem aula de como usar o prophet?
Opa, que bom que gostou Carlos. Ainda não temos cara.
Para utilizar o ARIMA meu dataset obrigatoriamente meu dataset deve ter uma série temporal estacionária ??? Se não for ele consegue predizer ?????
Não, João Henrique. Você pode transformar a base aplicando uma diferenciação.
Cara me Deu uma luz. Será que com Arima eu conseguiria prever novas vendas de pneus? Trabalho em uma empresa que hoje só ligamos pro cliente a cada 100 mil km pra ofertar pneus. Mas agora vejo que daria pra carregar as compras desse cliente para prever as proxima compras dele então.
Acredito que dá sim Olavo. Se existe essa dependência temporal é interessante sim.
Por que 50% pra cada neste caso
Muito legal! Apenas gostaria de compreender melhor como utilizar o modelo para de fato prever valores futuros, e não somente utilizar os valores presentes para desenvolver o modelo e testar sua acurácia. (Pelo menos entendi dessa forma). Muito obrigado!
Nossa e a barba?!. Obrigada pelo video.. Usa outros métodos como SARIMA, Holt-Winter's, ou outros por favor! Um abraço.
Teremos em breve, obrigado pelo comentário Juliana.
A aula foi bacana, mas uma coisa que não ficou clara pra mim é como eu faço, por exemplo, para prevê o próximo dia/mês/ano?
Excelente vídeo, parabéns! O arquivo "champagne_sales.csv" utilizado no estudo também está no GitHub?
Pq não utilizar apenas a diferenciação do modelo com 12? E dar como input pra ele os dados "brutos"? Ao invés de fazer isso manualmente antes
è legal mostrar como fazer manualmente @Hélio. Assim o entendimento é concretizado.
O modelo mais "completo" seria o ARIMAX né? onde o ARMA, ARIMA, ARMAX e outros são casos especificos dele com 0 em algumas funções. Tem alguma coisa disso no canal?
Ainda não temos Hélio, mas pretendemos fazer mais aulas.