задача как мы ее понимаем; 1. Показать, что при работе с категорией, которая имеет переменный спрос, важно учитывать это. И мы эмпирически проверяем данные, то есть:
например берем слайс даты на 50 дней (когда был пик) и елси ее сравнивать со следующими 50 днями, то прогноз гипотетически должен быть менее корректный. чем если мы будем сравнивать этот кусок с актуальной датой следующего пика продаж ( пик продаж в данном случае мы выбираем согласно сезона/праздника)
Я пишу курсовую работу. Задача показать как работает Дирихле. То есть что она предсказывает как с этим работать и как нужно работать с категориями если у них сезонный пик продаж.
Врать не буду. Достаточно поверхностно понимаю. Поэтому вопрос и возник. Нам должен был помочь руководитель, но он сам застрял 😅 Как я понимаю, модель основывается согласно продаж/проникновения бренда/и доли на рынке. в краткости;
да. это мы понимаем. и саму модель мы запустили. согласно вводных данных. используя мануал. Нас скорее не смущает, а мы скорее не понимаем, что делать с результатами модели, чтобы их сравнить с актуальными данными. то есть проверить, работает ли модель прогноза достаточно верно;
в общем. мы не понимаем, что делать с результатом кода.
у вас в результате кода должен поличится список с параметрами модели и функции прогнозирования
да верно. это и вышло. видими теоретические параметры в таблице. по брендам. теперь надо понять как их сопоставить с реальными данными.
гуглили как интерпретировать данные, и искали схожие работы, но к сожалению никто не расписывает из того что мы искали как именно данные были интерпретированы;
можно например попредсказывать данные для тестового периода
да, мы так и делали, точнее мы брали категорию, брали определенный период, и у нас выходит модель прогноза. вот и тут дальше, мы не знаем как с ней работать.