Прогнозирование количества телефонных звонков клиентов телекоммуникационной компании

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(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 трендов
+
* 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:Прикладные задачи анализа данных]]
+
[[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
Личные инструменты