在上一篇中，我们发现knn和线性回归一样，表现的不是特别好，来看看时间序列的表现 时间序列预测法其实是一种回归预测方法，属于定量预测，其基本原理是;一方面承认事物发展的延续性，运用过去时间序列的数据进行统计分析，推测出事物的发展趋势；另一方面充分考虑到偶然因素影响而产生的随机性，为了消除随机波动的影 ...
分类：
其他好文 时间：
2020-01-24 15:59:40
阅读次数：
176
时间序列ARIMA模型 1、数据的平稳性与差分法 让均值和方差不发生明显的变化（让数据变平稳），用差分法 2、ARIMA模型 差分自回归平均移动模型 求解回归的经典算法：最大似然估计、最小二乘法 在具体运用时，需要指定三个参数，即（p，d，q）； 其中：p表示自回归的阶数， d表示做几阶差分（一般做 ...
分类：
其他好文 时间：
2020-01-05 19:06:53
阅读次数：
133
ARIMA模型（完整的Word文件可以去我的博客里面下载） ARIMA模型（英语：AutoregressiveIntegratedMovingAverage model），差分整合移动平均自回归模型，又称整合移动平均自回归模型（移动也可称作滑动），时间序列预测分析方法之一。ARIMA（p，d，q）中 ...
分类：
编程语言 时间：
2019-11-21 14:11:00
阅读次数：
88
Table of Contents1. 基础概念1.1. 时间序列的平稳性(弱平稳)1.1.1. 定义1.1.2. 平稳性检验1.1.3. 如何让时间序列变平稳1.2. 随机游走1.2.1. 定义1.2.2. 不平稳性的证明1.3. ACF1.4. PACF2. ARIMA 模型2.1. 介绍2.1... ...
分类：
其他好文 时间：
2019-09-29 13:12:54
阅读次数：
174
近期在学习ARIMA模型，下面博主讲的比较精细很受用，感觉看完之后收获大大嘀。 ...
分类：
其他好文 时间：
2019-08-29 23:56:16
阅读次数：
242
于时间序列预测，ARIMA等传统模型通常是一种流行的选择。虽然这些模型可以证明具有高度的准确性，但它们有一个主要缺点 - 它们通常不会解释“冲击”或时间序列的突然变化。让我们看看我们如何使用称为卡尔曼滤波器的模型来潜在地缓解这个问题。 时间序列 我们以货币市场为例。货币对可能会有整体上升趋势，然后在 ...
分类：
编程语言 时间：
2019-05-24 19:22:04
阅读次数：
358
摘自： https://pengfoo.com/post/machine-learning/2017-01-24 一、简介 在ARMA/ARIMA这样的自回归模型中，模型对时间序列数据的平稳是有要求的，因此，需要对数据或者数据的n阶差分进行平稳检验，而一种常见的方法就是ADF检验，即单位根检验 二、 ...
分类：
其他好文 时间：
2019-05-08 14:40:00
阅读次数：
752
在 python 中用 statsmodels创建 ARIMA 模型进行预测时间序列： 运行后报错： 这种情况的原因是，读入的时间序列数据的时间没有统一的间隔，例如打印 的结果是 其中2016 01 30是距离前一个时间8天，其它间隔为7天。可以看到这个 DatetimeIndex 的 freq 是 ...
分类：
其他好文 时间：
2019-01-19 11:14:01
阅读次数：
1121
ARIMA模型，参数含义参考：https://www.cnblogs.com/bradleon/p/6827109.html SARIMAX Model，多元季节性时间序列模型，用于预测与异常诊断，参考博客：https://blog.csdn.net/weixin_41512727/article/ ...
分类：
其他好文 时间：
2018-12-27 13:27:21
阅读次数：
292
应用ARIMA(1，1，0)对2015年1月1日到2015年2月6日某餐厅的销售数量做为期5天的预测 setwd('D:\\dat') #install.packages("forecast") #install.packages("plyr") #install.packages("fUnitRo ...
分类：
编程语言 时间：
2018-11-29 22:30:52
阅读次数：
393
