【Python 3 数据分析与机器学习实战】 预测分析-时间序列预测模型

    预测是人们根据事物的发展规律、历史和现状，分析影响其变化的因素，对其发展前景与趋势的一种推测。

    预测的方法分为定性预测、时间序列分析、因果关系预测：

    （1）定性预测：根据人们对过去和现在的经验、判断和直觉进行预测，以人的主观逻辑判断为主，预测事物的发展方向、状态、形势等定性结果。该方法适用于缺乏历史统计数据的对象。

   （2）时间序列分析：根据对象随着时间变化的历史资料，考虑变量随着时间的变化规律，对未来的表现时间进行定量的预测，主要包括移动平均法、指数平滑法、趋势外推法等。该方法使用与利用简单数据预测研究对象随着时间变化的趋势等。

    （3）因果关系预测：变量之间存在某种前因后果关系，找出影响某种结果的几个因素，建立因果之间的数学模型，根据因素变量的变化预测结果的变化，既预测发展方向又确定具体的数值变化规律，如BP神经网络预测模型。

一、时间序列分析预测法

    时间序列分析法是一种定性分析方法，在时间序列变量分析的基础上，运用一定的数学方法建立预测模型，使时间趋势向外延伸，从而预测市场的发展变化趋势，确定变量预测值，也称时间序列分析法、历史延伸和外推法。

    时间序列分析通常是把各种可能发生作用的因素进行分类，传统的分类方法是按各种因素的特点或影响效果分为四大类：昌长期趋势（T）、季节变动（S）、循环变动（C）和不规则变动（I）。

    时间序列分析预测法可以分为以下两类：