2.涉及一个端到端的时间序列预测解决方案

2.1 时间序列预测模版

模版包含不同的步骤：

1）.业务理解和性能度量

2）.数据摄取

3）.数据探索和理解

4）.数据预处理和特征工程缩进

5）.模型构建和选择

6）.模型部署

7）.预测解决方案的接受程度

2.1.1 业务理解和性能度量

2.1.2 数据摄取

        数据摄取有三种不同的方法：批处理、实时处理和流处理。

2.1.3 数据探索与理解

        关于原始数据质量的几个考虑因素：

        缺失值

        测量准确率

        测量时间

        同步

        延迟

 2.1.4 数据预处理和特征工程

        特征可以是基于数据集的两种主要类型：

        1）.固有的原始特征

        2）.衍生特征

                a. 时间驱动特征:一天中的时间、星期、日期、月份、周末、假日、傅里叶项

                b.独立的测量特征：滞后特征，长期趋势，

                c.依赖特征

2.1.5 模型构建和选择

        数据集分割：训练集、验证集和测试集

2.2 需求预测建模技术概述

        a.移动平均（MA）

        b.指数平滑

        c.差分自回归移动平均（ARIMA）模型

        d.一般多元回归

        深度学习神经网络有三个主要的内在能力

        1.可以从输入到输出的任意映射中学习

        2.支持多种输入和输出

        3.可以自动提取跨长序列的输出数据中的模式

2.2.1模型评估

        平均绝对偏差（MAD）

        平均绝对偏差（MAD）/平均比

        几何平均相对绝对误差（GMRAE）

        对称平均绝对百分比误差（SMAPE）

2.2.2 模型部署

2.2.3 预测解决方案的接受程度

        客户验收阶段的任务

        系统验证：确认部署的模型和管道是否满足客户的要求。

        项目移交：将项目移交给将在生产中运行系统的实体。