Tijdreeksen & Voorspelling
Tijdsanalyse, stationariteit, ARIMA, Prophet, seasonal decomposition, voorspellingsmetingen, backtesting
1Wat is een tijdreeks?
Wat is een tijdreeks?
Antwoord
Een tijdreeks is een reeks gegevenspunten geïndexeerd in chronologische volgorde. Observaties worden verzameld op regelmatige intervallen (per uur, dag, maand) en vertonen vaak temporele afhankelijkheden. Klassieke voorbeelden zijn aandelenkoersen, temperaturen en maandelijkse verkopen.
2Wat zijn de drie hoofdcomponenten van een tijdreeks in klassieke decompositie?
Wat zijn de drie hoofdcomponenten van een tijdreeks in klassieke decompositie?
Antwoord
Klassieke tijdreeksdecompositie identificeert drie componenten: trend (langetermijnontwikkeling), seizoenspatroon (repetitieve patronen op vaste intervallen) en residu (onverklaarde willekeurige ruis). Deze decompositie kan additief of multiplicatief zijn afhankelijk van de aard van de gegevens.
3Wat is stationariteit in een tijdreeks?
Wat is stationariteit in een tijdreeks?
Antwoord
Een tijdreeks is stationair wanneer de statistische eigenschappen (gemiddelde, variantie, autocorrelatie) constant blijven in de tijd. Stationariteit is een fundamentele aanname voor veel voorspellingsmodellen zoals ARIMA. Een niet-stationaire reeks moet vaak worden getransformeerd (differencing) voor modellering.
Welke statistische test wordt vaak gebruikt om de stationariteit van een tijdreeks te controleren?
Hoe maak je een niet-stationaire tijdreeks stationair?
+19 gespreksvragen
Andere Data Science & ML-sollicitatieonderwerpen
Python-basisbeginselen
Python Objectgeoriënteerd Programmeren
Python-datastructuren
Git-Fundamenten
SQL-basisbeginselen
NumPy-grondbeginselen
Pandas-basis
Jupyter & Google Colab
SQL Joins & geavanceerde queries
Geavanceerd Pandas
Visualisatie met Matplotlib & Seaborn
Interactieve visualisaties met Plotly
Beschrijvende statistiek
Inferentiële statistiek
Web Scraping
BigQuery & Cloud Data
Feature Engineering
Supervised ML: Regressie
Supervised ML: Classificatie
Beslissingsbomen & Ensembles
Ongesuperviseerd ML
ML Pipelines & Validatie
Fundamenten van Deep Learning
TensorFlow & Keras
CNN en beeldclassificatie
RNN & Reeksen
Transformers & Attention
NLP & Hugging Face
GenAI & LangChain
MLOps en Deployment
Beheers Data Science & ML voor je volgende gesprek
Krijg toegang tot alle vragen, flashcards, technische tests, code review-oefeningen en gespreksimulatoren.
Begin gratis