Mi az az STL-dekompozíció?

STL-dekompozíció (Seasonal-Trend decomposition using Loess) egy módszer az idősort három fő összetevőre bontani:

• Trend (Trend) — az adatok hosszú távú tendenciája.
• Szezonális (Seasonal) — ismétlődő ciklusok vagy minták, amelyek periódikus változásokhoz kapcsolódnak.
• Reziduális (Residual) — zaj vagy véletlenszerű ingadozások, amelyeket nem magyaráz a trend és a szezonális hatások.

A módszer a Loess helyi regressiójára épül, amely lehetővé teszi a trend és a szezonális hatások rugalmas közelítését szigorú feltételek nélkül az adatok alakjára vonatkozóan. Ez hasznos az idősortípusok elemzésében és előrejelzésében, ahol fontos elkülöníteni a szezonális hatásokat az általános tendenciától.

Pythonban a statsmodels könyvtár segítségével például így használható:

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

# Tegyük fel, hogy van egy adat nevű idősort
stl = STL(data, seasonal=13)
result = stl.fit()

trend = result.trend
seasonal = result.seasonal
residual = result.resid

Így a STL-dekompozíció segít megérteni az idősort felépítését és javítani a jóslás minőségét.