TBATS
TBATS is an innovations state space forecasting model, introduced by De Livera, Hyndman and Snyder (2011), that combines a Box-Cox transformation, ARMA errors and trigonometric (Fourier) seasonal terms. It is built to handle continuous time series with several nested seasonal cycles at once — for example hourly data that also repeats daily, weekly and yearly.
Registre font
Les citacions es copien textualment del registre font del mètode. No s'infereix cap verificació a nivell de reclam d'elles.
- De Livera, A. M., Hyndman, R. J. & Snyder, R. D. (2011). Forecasting Time Series with Complex Seasonal Patterns Using Exponential Smoothing. Journal of the American Statistical Association, 106(496), 1513-1527. · DOI 10.1198/jasa.2011.tm09771
- Hyndman, R. J. & Athanasopoulos, G. (2021). Forecasting: Principles and Practice (3rd ed.). OTexts. · URL
Reclamacions curades
Les reclamacions s'han persistit al registre de proves, cadascuna amb la seva pròpia avaluació.
Aquesta vista no inventa una avaluació de reclam quan el registre no en té cap.
Mètodes relacionats
Generat a partir del gràfic de mètodes i mostrat com a relacions suggerides per la màquina; no s'infereix cap reclamació d'evidència.