一、移动平均与滚动预测
1、移动平均过程
通过对时序数据进行ACF绘制,能够检查在滞后多少次后趋势变化不在有显著的系数,这里的次数就是移动平均过程的阶数q,或者MA(q)过程。对于MA(q)模型,只能预测未来q的步骤,超过q步的预测只会返回平均值,也将导致预测失败。
2、滚动预测
为了避免简单地预测未来超过N个时间步长的平均值,需要开发一个函数用于每次次预测N个或更少的时间步长,直到做出要求范围的预测,最后将预测与测试集的观测值进行比较。
二、销售数据预测
1、数据加载与展示
data = pd.read_csv('widget_sales.csv')
2、查看ADF与ACF
通过ADF与ACF可以发现原始数据不平稳,需要进行差异化处理
df_adf=adfuller(df['Value'])
print(df_adf[0])#ADF Statistic
print(df_adf[1])#p-value
ADF Statistic:-1.5121662069359076
p-value:0.527484535227259