ANÁLISIS PREDICTIVO DE SERIES TEMPORALES MEDIANTE EL ALGORITMO KNN: APLICACIONES Y DESEMPEÑO

Abstract

Este trabajo tiene como finalidad introducir el algoritmo de kNN para la predicción de las series temporales y comparar su desempeño frente a los modelos tradicionales. Para ello, se definen las series temporales y sus componentes , como la tendencia, los ciclos, la estacionalidad y los outliers. Como concepto clave, se habla de la estacionariedad de las series temporales y, cómo convertirlas en estacionarias.

Respecto a la predicción, se define los modelos de predicción, autorregresivo y de media móvil, haciendo enfoque en los modelos ARIMA y SARIMA. Para concluir, se introduce el modelo k-Nearest Neighbors, este método es transparente y con una sencilla explicabilidad, debido a que se basa en predecir los valores a través de los k más cercanos en distancia. También, se define una variante del kNN como es Weighted kNN, este se diferencia en dar mayor peso a los vecinos más cercanos en el tiempo.

Finalmente, se realiza un análisis de una serie temporal basada en la producción de electricidad en España, para compara los modelos de kNN y Weighted kNN frente a los modelos clásicos, ARIMA y SARIMA.