# Migliori pratiche per le serie temporali di Kraken

Come affronti i problemi delle serie temporali?

##### Post Metadata
- Posted at: quasi 7 anni fa
- Net upvotes: 1


## Comments
### Comment 1

Serie Temporale Univariata:
Kraken implementa attualmente un modello di serie temporale univariata che ha somiglianze con i modelli migliori del settore come Auto-SARIMA. La modellazione delle serie temporali cerca la stagionalità e le tendenze di crescita generale basate sui dati storici. Questo permette ai modelli di prevedere nel futuro qualsiasi quantità di tempo. Kraken prevede 12 mesi nel futuro e può gestire dati giornalieri, settimanali o mensili. Gestisce anche con grazia i giorni mancanti. Il dataset di ritorno include la data, il valore effettivo, il valore previsto, il limite superiore e il limite inferiore (limiti a un intervallo di confidenza dell'80%), oltre a segnalare i valori anomali nel dataset che sono automaticamente considerati anomalie e rimossi dall'addestramento.

Nota importante - Campo Data:
Kraken utilizzerà il tipo di dato che viene utilizzato nella connessione di origine. Ad esempio, se si utilizza un connettore MySQL e lo schema ha una colonna come tipo data, verrà letta come data in Kraken. Per i file CSV, Kraken attualmente analizza solo le date nel formato "aaaa-mm-gg".

Nota importante - Aggregazione:
Kraken somma i dati al livello giornaliero e poi esamina la frequenza/sparsità delle date dei dati che riceve (ciò significa che se si hanno più punti per giorno, li sommerà insieme). Se vengono forniti dati giornalieri ma con molti giorni mancanti, i dati si aggregheranno automaticamente alla somma dei dati a livello settimanale; lo stesso vale per l'aggregazione del livello settimanale a quello mensile. Se si verifica questo tipo di aggregazione, è possibile che le date restituite dalla previsione non corrispondano esattamente alle date fornite per essere analizzate, ma la somma del valore corrisponderà alla somma del valore nel dataset di input.

##### Comment Metadata
- Posted at: quasi 7 anni fa
- Author title: Director of Product Marketing




## Related Product
[Qlik Predict](https://www.g2.com/it/products/qlik-predict/reviews)

## Related Category
[Piattaforme di Data Science e Machine Learning](https://www.g2.com/it/categories/data-science-and-machine-learning-platforms)

## Related discussions
- [Quanto bene si adatta Trello a un team più grande?](https://www.g2.com/it/discussions/1-how-well-does-trello-scale-into-a-larger-team)
  - Posted at: quasi 13 anni fa
  - Comments: 6
- [Can we please add a new section](https://www.g2.com/it/discussions/2-can-we-please-add-a-new-section)
  - Posted at: quasi 13 anni fa
  - Comments: 0
- [Benefici quantificabili dall'implementazione del tuo CRM](https://www.g2.com/it/discussions/quantifiable-benefits-from-implementing-your-crm)
  - Posted at: quasi 13 anni fa
  - Comments: 4