Riassunto analitico
Negli ultimi tempi i modelli avanzati di machine e deep learning risultano sempre più performanti e talvolta superano i classici metodi statistici. Lo scopo di questa tesi è confrontare due modelli statistici e uno di deep learning relativamente al problema della time series forecasting: data una serie storica di dati, quale metodo modellerà al meglio e permetterà una previsione più accurata? Nel dettaglio la tesi tratta delle serie storiche e illustra le principali caratteristiche, tra cui la stazionarietà, il trend e la stagionalità. Tra i metodi classici, vengono spiegati l’ARIMA e l’exponential smoothing, tra i modelli di deep learning si parla di un particolare tipo di rete neurale, la Long Short Term Memory. Questi modelli vengono poi applicati ad una particolare serie storica di dati appartenenti all’azienda in cui ho svolto il tirocinio e infine si confrontano le statistiche e le accuratezze dei risultati.
|
