Прогнозирование временных рядов

Это веб-приложение на базе Streamlit позволяет загружать CSV-файлы с временными рядами, выбирать параметры и выполнять прогнозирование с использованием различных моделей.

Установка

1. Убедитесь, что у вас установлен Python 3.7 или выше.

2. Клонируйте репозиторий:

   git clone https://github.com/your-username/time-series-forecasting.git
   cd time-series-forecasting
   

3. Создайте виртуальное окружение и активируйте его:

   python -m venv venv
   source venv/bin/activate  # Для Linux и macOS
   venv\Scripts\activate  # Для Windows
   

4. Установите зависимости:

   pip install -r requirements.txt
   

Запуск приложения

1. Убедитесь, что вы находитесь в корневой директории проекта и виртуальное окружение активировано.

2. Запустите приложение Streamlit:

   streamlit run streamlit_app.py
   

3. Откройте веб-браузер и перейдите по адресу, указанному в терминале (обычно это http://localhost:8501).

Использование

1. Загрузите CSV-файл с данными временного ряда. Для тестирования приложения вы можете воспользоваться тестовым датасетом, который расположен в папке data/dataset_normal.csv.
2. Выберите целевой признак, поле даты и, при необходимости, категориальный признак.
3. Укажите процент данных для обучающей выборки.
4. Выберите модель для прогнозирования (ARIMA, SARIMA, ETS или Naive).
5. Выберите метрику качества (MAE, MSE или RMSE).
6. Нажмите кнопку "Выполнить прогноз".
7. Просмотрите результаты прогнозирования на графике и оценку модели.

Структура проекта

• streamlit_app.py: Основной файл приложения Streamlit
• requirements.txt: Список зависимостей

Лицензия

Этот проект распространяется под лицензией MIT. Подробности см. в файле LICENSE.