Lección 5 del curso Pronósticos de Series de Tiempo con Suavizado Exponencial.
En la lección anterior vimos cómo usar la librería StatsForecast para generar pronósticos un modelo de suavizado exponencial con tendencia.
En esta lección veremos todos los conceptos asociados a los modelos de suavizado exponencial con estacionalidad, también conocidos como modelos Holt-Winters o de suavizado exponencial triple, que permiten generar pronósticos sobre Series de Tiempo cuando estas tienen tanto tendencia como estacionalidad:
Contenido exclusivo para suscriptores
Si eres suscriptor accede en este enlace ó suscríbete a la Academia Online y accede a todo el contenido (lecciones en video, código fuente, sets de datos y descargas) de todos los cursos, proyectos y tutoriales.
Muy bien, acabamos de ver todo el componente matemático de los modelos Holt-Winters. En esencia, estos modelos vienen en cuatro presentaciones: los modelos con estacionalidad aditiva, con estacionalidad multiplicativa, con estacionalidad aditiva y amortiguación y con estacionalidad multiplicativa y amortiguación.
Así que con esto ya estamos listos para ver cómo hacer uso de estos modelos para generar pronósticos de Series de Tiempo. Entonces, en la próxima lección veremos cómo usar la librería StatsForecast de Python para crear, entrenar y poner a prueba modelos de suavizado exponencial con estacionalidad para así generar pronósticos de Series de Tiempo.
Todas las lecciones del curso Pronósticos de Series de Tiempo con Suavizado Exponencial