Работал ли с сезонностью

Сезонность — это повторяющиеся паттерны в данных, связанные с временными периодами (день, неделя, год). Для работы с ней использую:

1. Разложение временных рядов (statsmodels):

from statsmodels.tsa.seasonal import seasonal_decompose
result = seasonal_decompose(ts, model='additive')
result.plot()

2. Модели с учетом сезонности:

   • SARIMA (сезонная ARIMA)
   • Prophet от Facebook
   • STL-декомпозиция

3. Feature engineering:

   • Добавление фичей типа "день недели", "месяц"
   • Фурье-преобразование для сложных сезонных паттернов

Особенности:

• Проверяю автокорреляцию (ACF/PACF) для выявления лагов
• Учитываю мультисезонность (например, дневную + годовую)
• Для прогнозирования важно разделять тренд, сезонность и остатки

Пример: в ритейле сезонность проявляется в росте продаж перед праздниками, в энергетике — суточные/годовые циклы потребления.