Прогнозирование количества телефонных звонков клиентов телекоммуникационной компании
Материал из MachineLearning.
(категория) |
м (ссылки) |
||
| (1 промежуточная версия не показана) | |||
| Строка 5: | Строка 5: | ||
== Постановка задачи == | == Постановка задачи == | ||
| - | Требуется создать алгоритм прогнозирования пиковой загрузки АТС компании за день. Следует прогнозировать загрузку на 3 месяца вперед от даты последнего звонка. | + | Требуется создать [[алгоритм прогнозирования]] пиковой загрузки АТС компании за день. Следует прогнозировать загрузку на 3 месяца вперед от даты последнего звонка. |
В ходе решения задачи требуется решить следующие подзадачи: | В ходе решения задачи требуется решить следующие подзадачи: | ||
| - | * исследовать выборку на наличие | + | * исследовать выборку на наличие [[тренд]]ов |
| - | * исследовать выборку на наличие недельной сезонности | + | * исследовать выборку на наличие недельной [[сезонность|сезонности]] |
* выбрать модель для алгоритма прогнозирования | * выбрать модель для алгоритма прогнозирования | ||
| Строка 36: | Строка 36: | ||
[[Категория:Прогнозирование временных рядов]] | [[Категория:Прогнозирование временных рядов]] | ||
| - | [[Категория: | + | [[Категория:Приложения в связи]] |
Текущая версия
Описание проблемы
Для компаний, предоставляющих телекоммуникационные услуги, важно поддерживать загрузку линий и АТС на некотором безопасном уровне, чтобы гарантировать своим клиентам надежность связи. В свою очередь, закупка и подключение нового оборудования связана со множеством проблем, так что спланировать эти меры надо заранее. Таким образом, актуальна задача прогнозирования загрузки оборудования. В данной задаче рассмотрим загрузку АТС.
Постановка задачи
Требуется создать алгоритм прогнозирования пиковой загрузки АТС компании за день. Следует прогнозировать загрузку на 3 месяца вперед от даты последнего звонка.
В ходе решения задачи требуется решить следующие подзадачи:
- исследовать выборку на наличие трендов
- исследовать выборку на наличие недельной сезонности
- выбрать модель для алгоритма прогнозирования
Допустимая ошибка результатов работы алгоритма на тестовых данных - 10%.
Исходные данные
Исходные данные - это выборка с пиковой загрузкой АТС компании по дням, начиная с 1 января 2005 года (под загрузкой понимается количество одновременно занятых телефонных линий).
Пример исходных данных:
| Дата | День недели | Пиковая загрузка |
|---|---|---|
| 1 июля | ВС | 3371 |
| 2 июля | ПН | 41776 |
| 3 июля | ВТ | 41791 |
| 4 июля | СР | 39987 |
| 5 июля | ЧТ | 40535 |
