Аппроксимация

При планировании мощностей аппроксимация являются той областью, в которой научный подход сталкивается с творчеством. В большинстве случаев планирование мощностей используется для опережения текущего роста, который чаще всего представляется графиком, направленным слева направо и снизу вверх.

Задача заключается в определении момента, в который данные достигнут заданного ограничения. Для ее решения применяется экстраполяция — конструирование новых точек данных за пределами известного диапазона. В нашем примере будут определяться новые точки данных, находящиеся в будущем временного ряда.

Трудности аппроксимации и экстраполяции обусловлены необходимостью согласования имеющейся информации об источнике данных с очевидной формулой. Даже если вам удалось найти кривую, соответствующую данным с точностью 99,999%, это еще не означает, что кривая обеспечит такую же хорошую экстраполяцию в будущем. Данные почти всегда обладают контекстом, находящимся за пределами математической формулы. Например, прогнозирование объема продаж лопат для уборки снега должно учитывать время года (лето/ зима) и географию (Аляска/Аризона).

При поиске формулы, описывающей ваши данные, держитесь подальше от полиномиальных формул высоких степеней. Конечно, они выглядят привлекательно из-за хорошего согласования с данными (коэффициента детерминации), но любая полиномиальная формула выше 2-й степени может давать значительные отклонения за пределами конкретного набора данных.

Мораль проста руководствуйтесь здравым смыслом при аппроксимации данных. Не стремитесь к идеальным совпадениям, часто они являются результатом весьма сомнительных предположений.