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