2021Q1 时间序列预测

已于 2022-09-08 16:24:14 修改
阅读量427 收藏
点赞数
分类专栏： 方法 文章标签： 机器学习
于 2021-02-04 18:13:17 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/douer25/article/details/113661527
版权

3.预测

3.1 prophet

3.1.1原理

基于时间序列分解与及其学习的拟合方法，可以处理异常值、缺失值。原理是将时间序列拆分为：趋势项、周期项、节假日项、误差项， 分别拟合之后加总作为最终的预测值。

  • 趋势项
    1、使用逻辑回归函数，sigmoid函数，并将函数中的最大渐进值、增长率、曲线的中点由常量转化为变量。
    需要设置变点的位置：人工或者自动选择。需要设置最大渐进值的参数。
    2、 使用分段线性函数，python默认为这个函数。
  • 周期项
    基于傅立叶函数来拟合，seasonality_prior_scale控制季节效应的大小，越大越明显。
  • 节假日项
    指示函数来判定日期日否在节假日前后一段时间，给定节假日的重要程度呈正态分布来拟合。
  • 误差项
3.1.2实现代码
3.1.3资料链接

FACEBOOK 时间序列预测算法 PROPHET 的研究
FACEBOOK包与实例
CSDN代码与参数资料

3.2 casual impact

3.2.1原理
3.2.2实现代码
3.2.3资料链接

卡尔曼滤波1
卡尔曼滤波2
豆瓣的论文链接
状态空间模型1
状态空间模型2
spike and slab

3.3 synthetic control

3.3.1原理

3.3.2实现代码
3.3.3资料链接

原理参考传送门
R代码传送门

douer25
关注
专栏目录
非AB实验-CI的原理
u011624157的专栏
12-22 734
CI全称casual impact,该方法基于合成控制法的原理，利用多个对照组数据来构建贝叶斯结构时间序列模型 合成控制法：https://www.zhihu.com/question/43497862 贝叶斯结构时间序列模型
时间序列因果关系_分析具有因果关系的时间序列干预：货币波动
weixin_26713521的博客
09-01 3609
时间序列因果关系When examining a time series, it is quite common to have an intervention influence that series at a particular point. 在检查时间序列时，在特定时间点对该序列产生干预影响是很常见的。 Some examples of this could be: 例如: An a...
【时间序列】IJCAI 2021丨时间序列相关研究论文汇总
AI蜗牛车
08-26 2064
国际人工智能联合会议 IJCAI（International Joint Conference on Artificial Intelligence）主要由国际人工智能联合会议组织和东道国...
跟着开源项目学因果推断——CausalImpact 贝叶斯结构时间序列模型（二十一）
素质云笔记
12-23 7560
文章目录1 Causal Impact与贝叶斯结构时间序列模型1.1 观测数据下Causal Impact的背景由来1.2 贝叶斯结构时间序列模型1.3 谷歌的Causal Impact2 一些案例2.1 CausalImpact的时序选择2.2 日文案例:CausalImpactの理解と実装2.3 [翻译]R语言案例：An R package for causal inference using Bayesian structural time-series models3 官方：TensorFlow C
当我们做实验的时候，我们在做什么？
douer25的博客
10-12 741
一、实验设计 1.选用什么实验方式？ AB实验 线上分流还是离线分流？ 2.实验时长的确定–最小样本量计算 为什么要计算？如何计算？ 传送门 3.需要注意的控制变量是什么？ 随机分人群真的就是完全随机吗？ 4.实验设计的书写注意事项 二、实验评估 1.AB 实验 t-test评估方式，不同分布时候统计量分别是什么？ 2.时间片轮转实验 以时间作为AB的轮转，时间片的长度如何确定？ VCM方法？ 3.全量实验 DID 传送门 casual impact–bsts R包传送门 psm 原理传送门 代码传送门
因果模型四：实现因果模型的python工具——pycasual
baidu_39413110的博客
01-16 1万+
因果模型四：实现因果模型的python工具——pycasual 关于因果模型，我们在前三篇文章中简单介绍了因果模型的研究发展历程、一个因果模型的数学化求解过程和因果模型在医学和商业领域的两个应用实例。今天我们就来简单介绍一个实现因果模型的python工具：pycasual。 pycasual的开发者来自于因果研究中心（Center for Casual Discovery），是一个集合了目前因果研究领域中多种主流算法的因果模型工具包。工具不仅仅局限于python语言，同样支持R语言，java命令行模式以及可
Google 因果推断的CausalImpact 贝叶斯结构时间序列模型（二十二）
素质云笔记
12-29 4453
之前一篇:跟着开源项目学因果推断——CausalImpact 贝叶斯结构时间序列模型（二十一） 这里另外写一篇来继续研究一下CausalImpact这个开源库的一些细节的 1 CausalImpact 一些可调参数 1.1 CausalImpact默认的两种算法 CausalImpact默认使用TensorFlow Probability来求的两种算法，分别是Variational Inference和Hamiltonian Monte Carlo VI，变分推断，变分推断（Variational In
时间序列预测
weixin_43704656的博客
04-05 6686
1、时序预测介绍 2、时序预测算法分类 单步预测 一般用统计学算法 机器学习算法 预测一天的数据 多步预测 一些好的算法或者深度学习算法可一次性预测比如十五天的数据 很多多场景中比单步预测好很多的 自回归预测 不能考虑其他因素影响 相关环境的影响如折扣、季节、促销等 使用协变量预测 相关环境的影响如折扣、季节、促销等可以作为协变量进行预测 使用协变量输入来优化模型的准确率 点预测 概率预测 给出一个预测概论区间 最大值最小值 一元时间序列预测 多元/多重...
时间序列（一）：时间序列数据与时间序列预测模型
热门推荐
Smilecoc的博客
01-30 11万+
时间序列定义： 时间序列是按照一定的时间间隔排列的一组数据，其时间间隔可以是任意的时间单位，如小时、日、周月等。比如，每天某产品的用户数量，每个月的销售额，这些数据形成了以一定时间间隔的数据。 通过对这些时间序列的分析，从中发现和揭示现象发展变化的规律，并将这些知识和信息用于预测。比如销售量是上升还是下降，销售量是否与季节有关，是否可以通过现有的数据预测未来一年的销售额是多少等。 对于时间序列的预测，由于很难确定它与其他变量之间的关系，这时我们就不能用回归去预测，而应使用时间序列方法进行预测。 采用时间序列
CausalImpact:时间序列因果推理的R包
05-04
因果影响 使用贝叶斯结构时间序列模型进行因果推理的R包 该R包实现了一种方法，用于估计设计的干预措施对时间序列的因果影响。 例如，一个广告系列产生了多少额外的每日点击？ 当无法进行随机实验时，很难回答这样的问题。 该软件包旨在使用结构贝叶斯时间序列模型来解决此难题，以估计如果干预未发生，干预后干预指标可能如何演变。 与对非实验数据进行因果推论的所有方法一样，有效的结论需要强有力的假设。 尤其是，CausalImpact软件包假定可以根据一组自身不受干预影响的控制时间序列来解释结果时间序列。 此外，假定在干预后期间治疗序列和对照序列之间的关系是稳定的。 对于任何给定的应用，理解和检查这些假设对于获得有效的结论都是至关重要的。 安装 install.packages( " CausalImpact " ) library( CausalImpact ) 入门 更多资源 稿件： 对于Cau
tfcausalimpact:基于Google R包的Python因果影响实现。 使用TensorFlow概率构建
04-13
因果关系 基于实现的Google算法。 这个怎么运作 该算法基本上适合过去观察到的数据的模型，以对未来的数据进行预测。 过去的数据包括干预之前发生的所有事情（通常是变量的存在与否变化，例如在给定时间点开始进行的营销活动）。 然后，它将反事实（预测）序列与实际观察到的序列进行比较，以提取统计结论。 运行模型非常简单，它需要观察到的数据y ，协变量X ，以通过线性回归来帮助模型， pre-period间隔选择干预之前发生的一切， post-period包含“影响”之后的数据发生了 有关此主题的更多，请参考此中篇。 安装 pip install tfcausalimpact 要求 python {3.6，3.7，3.8} matplotlib jinja2 tensorflow> = 2.3.0 tensorflow_probability> = 0.11.0 入门 我们建议由Kay
CausalImpact
zhenglit的博客
03-03 2606
原文地址：http://google.github.io/CausalImpact/CausalImpact.html 1. Installing the package 2. Creating an example dataset 3. Running an analysis 4. Plotting the results 5. Working with dates and times 6. Printing a summary table 7. Adjusting the model 8
python 因果_python中的因果影响r包
weixin_26755331的博客
09-02 1230
python 因果 因果关系 (Causality) CausalImpact is an R package developed by Google for causal inference using Bayesian Structural time-series models. You can find the R version here. CausalImpact是Google开发的R包...
搜索引擎优化学习原理_如何使用数据科学原理来改善您的搜索引擎优化工作
weixin_26713521的博客
09-01 482
搜索引擎优化学习原理Search Engine Optimisation (SEO) is the discipline of using knowledge gained around how search engines work to build websites and publish content that can be found on search engines by the r...
AAAI 2021 | 时间序列论文一览
weixin_53741275的博客
02-03 5118
今年 AAAI 2021 将于北京时间2021年2月9到12号于线上举行。本次大会共接收了 1692 篇论文，接收率约为21%，可谓收获颇丰。编者梳理与时间序列有关的研究，竟也高达66篇，可见产学两界对该领域的热情与应用前景。
python 因果推断_causalinference: 使用Python做因果推断
weixin_39854440的博客
12-08 1657
python虽然与R一样都可以做数据分析，但是在计量方面较为薄弱，python更像是干脏活，清洗数据用的。现在慢慢的python也有一些在计量的包，比如causalinference，这个包可以做因果推断分析。安装!pip3 install causalinferenceLookinginindexes:https://pypi.tuna.tsinghua.edu.cn/simpleCollect...
2021年三大顶会时间序列论文&代码整理
炼丹笔记
10-21 1539
作者：杰少 @大野人0072021年三大顶会时间序列论文&代码整理AAAI 20212021年三大顶会时间序列论文&代码整理AAAI 2021Deep Switching Auto-Regressive Factorization: Application to Time Series Forecasting下载：https://arxiv.org/abs/2009.05135代码...
causalinference: 使用Python做因果推断
大邓和他的Python
02-05 8207
python虽然与R一样都可以做数据分析，但是在计量方面较为薄弱，python更像是干脏活，清洗数据用的。现在慢慢的python也有一些在计量的包，比如causalinference，这...
时空序列预测之PredRNN++（Casual LSTM和GHU解决时空预测学习中的深度困境）
Miracle8070
02-23 8898
首先声明，虽是原创文章，但是站在了巨人的肩膀上进行创作的，借鉴了车哥AI蜗牛车的一些总结，加上了自己的补充和整理完成。 1. 写在前面 今天分享的这篇文章是发表在ICML2018年的paper，是基于上一篇PredRNN（用ST-LSTM预测学习的循环神经网络）的又一次改进，上次在最后的时候说过，PredRNN结构效果挺好，但是也存在问题，就是梯度消失，尤其是那个之字形流动的那个，层数一多，时间一...
用stata对时间序列预测的代码
最新发布
05-17
对于时间序列预测，Stata提供了多种方法和命令。下面是一个简单的例子，展示了如何使用Stata中的自回归移动平均模型（ARMA）来预测时间序列： ```stata // 导入数据 use mydata.dta, clear // 拟合ARMA模型 arima ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值