Cover of Time Series Forecasting, edition 2026.11.11, code 1RPH-3A4D Time Series Forecasting 1RPH-3A4D 11 editions since Nov 2026 Rolling Edition 2026.11.11

{"markdown": "Previsão de Séries Temporais"}

Edição 2026.11.11 Exemplos aprovados em 20 de nov de 2026 41 de 41 exemplos passam O que mudou

Traduzido com IA. Verificado por pessoas em inglês. Como fazemos os livros

Traduzido do livro em inglês, edição 2026.11.11. Leia o original

Como prever a demanda com um dia de antecedência e verificar se a previsão se sustenta: modelos de referência (baselines), backtests que nunca enxergam o futuro, modelos estatísticos, um único modelo LightGBM para todos os clientes, totais que somam corretamente e intervalos de previsão calibrados, usando dados horários de demanda de energia elétrica de trinta clientes.

Para quem é Para cientistas de dados e analistas que conhecem pandas e regressão básica e que são solicitados a fazer previsões de demanda, como vendas, energia, chamados ou tráfego, e precisam que essas previsões se sustentem quando forem verificadas.

Comece a ler
Histórico de edições11 edições desde novembro de 2026Cada edição e o que ela mudou
2026.11.12026.11.11
2026.11.11 · 21 de nov de 2026Correção de texto,Conteúdo novo35 seções alterado(s)

Sumário

10 capítulos, cerca de 4 horas 47 minutos de leitura, com 41 exemplos.

  1. 1Preveja a demanda de amanhã

    Este capítulo constrói a primeira previsão da demanda de amanhã, e a linha de base simples que toda previsão posterior precisa superar.

  2. 2Defina as linhas de base que um modelo precisa superar

    Neste capítulo, você calcula três linhas de base para a previsão do dia seguinte de um cliente, a ingênua, a ingênua sazonal e a média de semanas, e escala o erro de um cliente com o MASE, usando uma escala que lê apenas as leituras anteriores à semana da previsão.

  3. 3Backtest sem olhar para o futuro

    Este capítulo ensina você a avaliar uma previsão de um dia à frente ao longo de um ano de pontos de corte, sem deixar o futuro entrar no histórico usado, a tratar as duas horas da mudança de horário presentes nos dados e a executar um teste de deslocamento que detecta uma feature que lê informação posterior ao seu ponto de corte.

  4. 4Ajuste um modelo estatístico para cada cliente

    Aqui você ajusta o AutoETS e um ARIMA sazonal fixo para cada cliente, sobre o mesmo backtest, compara os dois com o sazonal ingênuo e aprende a iniciar um cliente que começa tarde na sua primeira leitura.

  5. 5Adicionar variáveis de calendário e de defasagem

    Depois deste capítulo, você poderá transformar o histórico horário de um cliente em uma tabela de variáveis, adicionar defasagens e variáveis de calendário e de feriado que uma previsão do dia seguinte tem permissão para usar, medir o que cada variável acrescenta nas mesmas janelas e identificar uma defasagem que lê o dia que está sendo previsto.

  6. 6Preveja muitos clientes com um modelo

    Você termina este capítulo com um único modelo global para todos os trinta clientes, uma regra de início que mantém fora dele os zeros à esquerda dos clientes que começam tarde, e uma pontuação que o coloca lado a lado com o naïve sazonal para cada cliente nos mesmos cortes temporais.

  7. 7Faça o total fechar

    Você vai prever a demanda total de trinta clientes de duas maneiras, escolher entre as duas em janelas de decisão e dividir esse total em parcelas por cliente usando apenas o histórico anterior a cada data de corte.

  8. 8Quantifique a incerteza da previsão

    Este capítulo estabelece uma faixa em torno de cada previsão de um dia à frente, para que você possa dizer se uma compra pode se apoiar nela.

  9. 9Compare o Prophet e um modelo de fundação

    Ao terminar este capítulo, você poderá ajustar o Prophet nos três cortes padrão do livro, carregar um modelo de fundação registrado (Chronos-2) e um modelo neural registrado (NHITS), e avaliar todos eles em uma única escala MASE, sobre as mesmas leituras.

  10. 10Keep the forecast running

    Once a forecast runs every day, the question changes from whether it scored well to whether it still holds on the day it's used.

Citar esta seção

Formato

Cada formato cita o livro em inglês, que esta tradução acompanha.

Todos os formatos citam esta edição. Seu link abre a edição atual, em que o título de cada seção indica quando seu texto foi alterado pela última vez. As datas de acesso e de recuperação são o dia em que você abre esta página.