{"markdown": "Previsão de Séries Temporais"}
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.
Leia no Kindle ou em qualquer leitor de e-books
O EPUB também funciona no Apple Books, no Kobo e na maioria dos leitores de e-books.
Enviar para o Kindle
Envia o EPUB desta edição em Português (Brasil).
-
Aprove o nosso endereço
A Amazon entrega no Kindle somente a partir de endereços que você aprovou, uma vez para cada serviço que envia e-mails a ele. Adicione o nosso à sua Lista de E-mails Aprovados para Documentos Pessoais.
books@rollingedition.comAbrir as Configurações de documentos pessoais da Amazon. Na Amazon, isso fica em Gerenciar seu conteúdo e dispositivos, Preferências, Configurações de documentos pessoais.
Enviado. Ele aparecerá na sua biblioteca do Kindle em alguns minutos.
Se não chegar, quase sempre o problema é a aprovação do passo 1: verifique se books@rollingedition.com está na sua Lista de E-mails Aprovados para Documentos Pessoais.
Cada nova edição dos seus livros salvos também será enviada para o seu Kindle.
Este não é um endereço do Kindle. Ele termina em @kindle.com: você o encontra em Configurações de Documentos Pessoais da Amazon.
Você enviou {count} livros hoje, o máximo que enviamos para uma conta em um dia. Tente novamente amanhã.
Enviamos todos os livros que podíamos hoje. Tente novamente amanhã.
O livro não foi enviado. Tente novamente em alguns minutos.
Esta edição é grande demais para enviar por e-mail.
Enviar para o Kindle vem com o Labs.
Este não é um endereço do Kindle. Ele termina em @kindle.com: você o encontra em Configurações de Documentos Pessoais da Amazon.
O livro não foi enviado. Tente novamente em alguns minutos.
Ou baixe o EPUB e envie-o na página Enviar para o Kindle da Amazon.
Kindle is a trademark of Amazon.com, Inc.
Sumário
10 capítulos, cerca de 4 horas 47 minutos de leitura, com 41 exemplos.
-
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.
-
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.
-
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.
-
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.
-
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.
-
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.
-
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.
-
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.
-
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.
-
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.