Nixtla/hierarchicalforecast

해결하는 문제

지역, 제품 카테고리, 주/월과 같은 시간 규모와 같은 계층 구조로 정리된 시계열 데이터에서 각 수준별로 독립적으로 예측을 수행할 경우, 하위 수준 예측의 합계가 상위 수준 예측의 총합과 일치하지 않는 불일치 문제가 발생합니다. 이 라이브러리는 이러한 예측을 조정하여 모든 수준에서 일관성 있는 결과를 보장합니다.

작동 방식

이 라이브러리는 "기본 예측"(초기 예측)을 받아 조정 알고리즘을 적용하여 수정합니다. 다음과 같은 다양한 접근 방식을 지원합니다:

• 전통적 방법: BottomUp (하위 수준을 합산하여 상위 수준 생성) 및 TopDown (상위 수준 예측을 하위 수준으로 분배).
• 대안적 방법: MiddleOut (중간 수준에서 예측 고정), MinTrace (전체 예측 분산 최소화), ERM (L1 정규화 사용).
• 확률적 방법: Normality, Bootstrap, PERMBU, Conformal 예측 도구를 통해 분포에 의존하지 않거나 가정 기반의 예측 구간 제공.
• 시간적 조정: 이러한 방법의 대부분은 시간 계층(예: 일별 예측과 월별 합계 조정)에도 적용 가능합니다.

대상 사용자

산업계 또는 학계에서 계층적 시계열 데이터를 다루며, 다양한 집계 수준에서 일관성 있는 예측이 필요한 데이터 과학자, 경제학자, ML 엔지니어.

주요 특징

• 횡단적 및 시간적 계층 모두 지원.
• 다양한 통계적 및 경제통계적 조정 방법 포함.
• 불확실성 추정을 위한 확률적 일관성 예측 방법 제공.
• Nixtla 생태계(예: statsforecast 및 datasetsforecast)와 통합 가능.