STL ayrıştırması nedir?

STL (Seasonal-Trend decomposition using Loess) ayrışımı, zaman serisini üç ana bileşene ayıran bir yöntemdir:

• Trend (Trend) — verilerin uzun vadeli eğilimi.
• Mevsimsellik (Seasonal) — periyodik değişikliklerle ilişkili tekrar eden döngüler veya desenler.
• Kalan (Residual) — trend ve mevsimsellik ile açıklanamayan gürültü veya rastgele dalgalanmalar.

Yöntem, verilerin şeklini katı varsayımlara gerek kalmadan esnek bir şekilde yaklaşık olarak modelleyen Loess yerel regresyonuna dayanır. Bu, zaman serilerini analiz etmek ve tahmin etmek için faydalıdır; burada mevsimsel etkileri genel eğilimden ayırmak önemlidir.

Python'da statsmodels kütüphanesi kullanılarak örnek:

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

# Veri adlı bir zaman serisi olduğunu varsayalım
stl = STL(data, seasonal=13)
result = stl.fit()

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

Bu şekilde, STL ayrışımı zaman serisinin yapısını anlamaya ve tahminlerin kalitesini artırmaya yardımcı olur.