时间序列分析

1原理

1.1 时间序列数据预处理

时间序列数据分为平稳(宽平稳)和非平稳两种。平稳序列中也包括随机序列,即序列数据之间没有任何相关性或记忆性,纯随机的,这种序列没有挖掘分析的必要。
纯随机序列也称为白噪声序列。序列中的随机变量之间的相关系数r(k)=0,k不为 0
经过预处理若发现序列是平稳非随机序列,则可用的模型为ARMA。AR模型是常用的平稳序列的拟合模型之一,但是并非所有的AR模型都是平稳的。
非平稳序列分为确定性时序、非确定性时序。

1.2 平稳性

根据时间序列的时域均值函数是否为常数,分为平稳随机过程和非平稳随机过程,后者的时间趋势又分为随机的和确定的。
分析模型有:ARMA

1.3 确定性

非平稳序列的确定性分析

趋势

趋势拟合法,是时间为自变量,相应的观测值为因变量,建立序列随时间变化的回归模型。根据趋势呈现的形状,分为线性拟合法、曲线拟合,曲线拟合包括二次型、指数型、修正指数型等。
平滑法用于趋势分析和预测,利用修匀技术削弱短期波动对序列的影响,使序列平滑,从而显示出趋势,根据平滑技术不同分为移动平均法和指数平滑法。

季节效应

非平稳序列的随机性分析

分析模型ARIMA:差分和ARMA的结合。
指数平滑方法不考虑序列

1.4多元时间序列分析

平稳多元序列

2应用

time series data mining 主要包括decompose(分析数据的各个成分,例如趋势,周期性),prediction(预测未来的值),classification(对有序数据序列的feature提取与分类),clustering(相似数列聚类)等。

2.1 decompose

参考文献

1.王燕.《应用时间序列分析》

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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