Mis on STL-dekompositsioon?

STL (Seasonal-Trend decomposition using Loess) on meetod, mis jagab ajasarja kolme põhikomponendiks:

• Trendid (Trend) — andmete pikaajaline suundumus.
• Seasonsus (Seasonal) — korduvad tsüklid või mustrid, mis on seotud perioodiliste muutustega.
• Järelejäänud (Residual) — müra või juhuslikud kõikumised, mida ei selgita trend ja seasonsus.

Meetod põhineb Loess-i kohalikel regressioonidel, mis võimaldavad paindlikult läheneda trendile ja seasonsusele ilma rangete eeldusteta andmete kuju kohta. See on kasulik ajasari analüüsis ja prognoosimisel, kus on oluline eraldada hooajalised mõjud üldisest trendist.

Näide kasutamisest Pythonis statsmodels raamatukoguga:

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

# Oletame, et on olemas ajasari data
stl = STL(data, seasonal=13)
result = stl.fit()

trend = result.trend
seasonsus = result.seasonal
järelejäänud = result.resid

Sellisel viisil aitab STL-dekompositsioon mõista ajasarja struktuuri ja parandada prognooside kvaliteeti.