![](https://img-blog.csdnimg.cn/direct/c796dcce609b4b088089110e43ba53f7.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
时间序列
文章平均质量分 90
时间序列(或称动态数列)是指将同一统计指标的数值按其发生的时间先后顺序排列而成的数列。时间序列分析的主要目的是根据已有的历史数据对未来进行预测。经济数据中大多数以时间序列的形式给出。根据观察时间的不同,时间序列中的时间可以是年份、季度、月份或其他任何时间形式。
G皮T
计算机科学与技术本科,计算机技术硕士,现任职于某互联网公司,担任测试开发工程师。CSDN云原生领域优质创作者、博客专家。书籍《大数据测试开发工程师的第一本书》正在积极撰写中,敬请期待。微信公众号:大数据与AI实验室。《Java 百“练”成钢》连载中,欢迎关注!
展开
-
【数据分析】基于时间序列的预测方法
时间序列(Time Series,TS)是数据科学中比较有意思的一个领域。顾名思义,TS是按固定时间间隔收集的数据点的集合。对这些数据进行分析以确定长期趋势,以便预测未来或执行其他形式的分析。但是TS又与常规回归问题不同。...原创 2021-01-13 14:59:40 · 16514 阅读 · 6 评论 -
【数据分析】如何量化时间序列之间的相似性?
逝者如斯夫,不舍昼夜。时间不会停止,世界上的一切都在不断运动。抛开物理学或哲学的概念不提,几乎所有东西都可以被描述为一系列的事件。对数据更感兴趣的人来说,它们又可以被看做是一系列的测量,这就是我们所说的时间序列。一个时间序列可以包含关于生活中许多不同方面的各种信息,如每天的温度曲线、货币汇率和股票评级、飞机的速度和位置、海洋潮汐水平高度······原创 2021-08-09 22:06:17 · 11373 阅读 · 12 评论 -
【数据分析】利用时间序列聚类细分客户(以电力行业为背景)
技术总是为解决问题服务的。比如说,我们想预测电表的消费情况。如果电表的读数间隔太长,在波动的电力市场上是没有用的,但大多数人家里仍然会有一个这样的电表。它们不会像现代智能电表那样每隔半小时左右自动地向你的供应商报告你的家庭用电量,而是通过每年一次读取电表的千瓦时数来手动报告用电量,并通过邮件或网络通信让你的供应商知道这个数字。原创 2021-08-11 17:49:27 · 2206 阅读 · 3 评论 -
【数据分析】利用机器学习算法进行预测分析(一):移动平均(Moving Average)
如果可能的话,每个人都想成为先知,预测在未来会发生什么事。实际上,这种预测非常困难。试想某个人提前知晓了市场发展的方向,那么他将会成为一名亿万富翁。但人们总在不断朝这个方向努力,尤其是在科学技术迅速发展的今天,预测未来不再是虚无缥缈、不着边际的胡话。机器学习算法为我们进行预测提供了新的思路。基于时间序列的预测和建模在数据挖掘和分析中起着重要的作用。原创 2021-01-14 15:42:19 · 10738 阅读 · 1 评论 -
【数据分析】利用机器学习算法进行预测分析(二):线性回归(Linear Regression)
其中,x 代表独立变量,θ 代表的是权重。对于本文的股价预测问题,我们没有一组独立变量。我们只有日期,所以我们从日期列中提取诸如:日,月,年,星期一 / 星期五等特征,然后拟合线性回归模型。原创 2021-01-14 15:56:55 · 5257 阅读 · 4 评论 -
【数据分析】利用机器学习算法进行预测分析(三):最近邻(K-Nearest Neighbours)
时间序列预测中的机器学习方法(三):最近邻(K-Nearest Neighbours)原创 2021-01-18 12:32:16 · 3380 阅读 · 3 评论 -
【数据分析】利用机器学习算法进行预测分析(四):自回归差分移动平均模型(AutoARIMA)
Prophet是一种基于加性模型(additive model)预测时间序列数据的方法,其中非线性趋势与年、周、日的季节性变化以及假日效应相吻合。它适合具有强烈季节性影响和多个季节历史数据的时间序列。Prophet对于丢失数据和趋势变化具有较强的鲁棒性,并且通常能够很好地处理异常值。原创 2021-01-18 17:07:04 · 4889 阅读 · 3 评论 -
【数据分析】利用机器学习算法进行预测分析(五):Prophet
Prophet是一种基于加性模型(additive model)预测时间序列数据的方法,其中非线性趋势与年、周、日的季节性变化以及假日效应相吻合。它适合具有强烈季节性影响和多个季节历史数据的时间序列。Prophet对于丢失数据和趋势变化具有较强的鲁棒性,并且通常能够很好地处理异常值。原创 2021-01-22 19:29:17 · 9885 阅读 · 4 评论 -
【数据分析】利用机器学习算法进行预测分析(六):长短时记忆网络(LSTM)
长短期记忆(Long Short-Term Memory,LSTM)是一种在深度学习领域中使用的人工循环神经网络(RNN)架构。与标准前馈神经网络不同,LSTM具有反馈连接。它不仅可以处理单个数据点(例如图像),而且可以处理整个数据序列(例如语音或视频)。...原创 2021-01-22 22:29:55 · 11558 阅读 · 5 评论 -
【数据可视化】基于Streamlit制作的时间序列数据分析APP(上手简单,附可运行源码)
虽然可以通过Django、Flask等技术构建Web App,但是它们对于非专业的编程者来说,初学是困难的。Streamlit是一种快速搭建数据可视化APP的技术。它上手简单,并且能够提供一些操作简单的交互式控件。原创 2021-01-24 17:42:25 · 7996 阅读 · 20 评论