Co je to STL-dekompozice?

STL-dekompozice (Seasonal-Trend decomposition using Loess) je metoda rozkladu časové řady na tři hlavní složky:

• Trend (Trend) — dlouhodobý trend dat.
• Sezónnost (Seasonal) — opakující se cykly nebo vzory související s periodickými změnami.
• Reziduum (Residual) — šum nebo náhodné kolísání, které nelze vysvětlit trendem a sezónností.

Metoda je založena na lokální regresi Loess, která umožňuje flexibilně aproximovat trend a sezónnost bez přísných předpokladů o tvaru dat. To je užitečné pro analýzu a prognózu časových řad, kde je důležité oddělit sezónní efekty od celkového trendu.

Příklad použití v Pythonu s knihovnou statsmodels:

from statsmodels.tsa.seasonal import STL
import pandas as pd

# Předpokládejme, že existuje časová řada data
stl = STL(data, seasonal=13)
result = stl.fit()

trend = result.trend
sezónnost = result.seasonal
reziduum = result.resid

Tímto způsobem pomáhá STL-dekompozice pochopit strukturu časové řady a zlepšit kvalitu předpovědí.