Forecasting: Principles and Practice 笔记

于 2020-05-05 22:53:46 发布
阅读量2.3k 收藏 5
点赞数
分类专栏： 时间序列
原文链接：https://github.com/robjhyndman/ETC3550Slides
版权

来源：https://github.com/robjhyndman/ETC3550Slides

文章目录

什么序列比较好预测

在这里插入图片描述

预测的对象：点预估、区间预估

在这里插入图片描述

趋势、季节、周期

在这里插入图片描述

季节与周期的区别

在这里插入图片描述

自相关系数

在这里插入图片描述

趋势与季节在 ACF 图中的表现

在这里插入图片描述

举例

在这里插入图片描述

白噪声检验

在这里插入图片描述

举例

在这里插入图片描述

简单预测模型

在这里插入图片描述
在这里插入图片描述

Box-Cox 变换用于稳定方差

在这里插入图片描述

逆变换

变换引起的偏差

预测区间 PI

在这里插入图片描述

简单方法的多步预测标准差

在这里插入图片描述

预测：原理与实践Forecasting: Principles and Practice
11-15
该教科书全面介绍了预测方法，并提供了有关每种方法的足够信息，以使读者可以明智地使用它们。 示例将R与来自作者自己的咨询经验的许多数据集结合使用。
Forecasting: principles and practice
03-10
Forecasting is required in many situations. Deciding whether to build another power generation plant in the next five years requires forecasts of future demand. Scheduling staff in a call centre next week requires forecasts of call volumes. Stocking an inventory requires forecasts of stock requirements. Telecommunication routing requires traffic forecasts a few minutes ahead. Whatever the circumstances or time horizons involved, forecasting is an important aid in effective and efficient planning. This textbook provides a comprehensive introduction to forecasting methods and presents enough information about each method for readers to use them sensibly. Examples use R with many data sets taken from the authors' own consulting experience.
Forecasting Principles and Practice 2e
01-10
Forecasting Principles and Practice 2e Forecasting Principles and Practice 2e
时间序列 R 读书笔记 04 Forecasting: principles and practice
bea_tree的博客
04-18 1万+
本章开始学习《Forecasting: principles and practice》1 getting started1.1 事件的可预言性一个时间能不能被预言主要取决于以下三点 1. 对事件的影响因素的了解程度，比如彩票号码，没有内在的影响因素不能被预测 2. 可用数据量的多少，数据量太少没法预测 3. 预测结果本身的影响，比如预测汇率，可能大家知道预测的会长，那么人们就会采取相应的措施
Forecasting: Principles and Practice读书笔记Chapter 3
csdnqixiaoxin的博客
04-30 1460
1. 一些简单的预测方法 平均值预测法：所有预测值都等于历史数据的均值。 朴素预测法：所有预测值都等于数据中最后一个观测值。 季节朴素预测法：对于季节性数据，预测值等于同一季度的最后一个观测值。比如，假设数据是以月份为间隔，那么未来所有1月份的预测值都等于历史数据中最后一个1月份的值。 趋势预测法：在y1y_1y1​和yTy_TyT​之间画一条直线，未来所有预测值都落在这条直线上，即： 在某...
Forecasting: Principles & Practice
05-29
Rob J Hyndman and George Athanasopoulos Monash University, Australia 预测：原理与实践， 时间序列分析入门教材 浏览器版本： https://otexts.com/fpp2/
forecasting: principles and practice (3rd ed)有中文版的吗
最新发布
08-01
《预测：原理与实践（第三版）》有中文版。该书由Hyndman和Athanasopoulos合著，将时间序列分析与预测方法应用于实际情境。此书的中文版由人民邮电出版社出版，译者是郭嘉敏和唐美群。该书以简洁清晰的方式介绍了...
判断性预测（Forecasting: Principles and practice第五章）
weixin_41636030的博客
11-17 1686
使用判断预测三种情况：  没有可用的数据；此时统计方法不适用，判断预测是唯一可行的方法  可获得数据，生成统计预测，然后用判断对其进行调整  可获得数据，并独立生成统计和判断性预测，然后进行合并 5.1 beware of limitations 判断性预测是主观的，故没有偏见或局限性 判断性预测中通常看到另一个不希望的特性是锚定的效果。在此情况下，后续预测趋于收敛或接近初始熟悉的参考点。 ...
预测的流程和方法（Forecasting: Principles and practice第三章）
weixin_41636030的博客
11-01 2570
the forecaster’s toolbox 3.1 a tidy forecasting workflow 生成时间序列数据预测可分为以下几步： 数据准备（整理） 数据的准备方式还可以用于探索时间序列的不同特征；预处理数据集是使用交叉验证评估模型性能的重要步骤。 绘制数据（可视化） 定义模型（指定） 在将模型拟合到数据之前，我们首先必须描述模型。 有许多不同的时间序列模型可用于预测，为...
时间序列 R 读书笔记 Forecasting: principles and practice 06 回归概述
bea_tree的博客
04-20 5819
包含一元回归和多元回归的相关基础内容，其中残差诊断部分值得学习
什么是需求预测（Forecasting: Principles and practice第一章）
weixin_41636030的博客
11-01 2350
getting started 1.1 what can be forecast? 事件或数量的可预测性取决于 我们对造成这种情况的因素了解程度如何 有多少数据可用 预测是否会影响我们要预测的事物 1.2 forecasting, planning and goals 预测：给出所有可用信息，包括历史数据和任何可能影响预测的未来事件的了解，都旨在准确预测未来 目标：是想发生的事情，目标应该与预...
时间序列回归模型（Forecasting: Principles and practice第六章）
热门推荐
weixin_41636030的博客
11-17 1万+
6.1 the linear model 简单线性回归 最简单回归模型是预测变量y和单一预测因子x存在线性关系 Beta0和beta1分别表示截距和斜率。Beta0表示当x=0时，预测值y；beta1表示平均预测变化y是由于x增加1个单位引起的。 在这里，除非强制要求回归线穿过‘原点’，否则它应该始终包含在截距，即使当x=0时，截距与y的关系似乎不make sense。 多重线性回归（mult...
评估模型准确度（Forecasting: Principles and practice第四章）
weixin_41636030的博客
11-17 5513
4.1 residual diagnostics(残差诊断) 一个好的预测方法将产生以下属性的残差： 1. 残差不相关 如果残差之间存在相关性，则残差中会留有信息，这些信息应用于计算预测。 2. 残差均值为零 如果残差的平均值不是零，则预测有偏差。 任何不满足这些属性的预测方法都可以得到改进 （?如何改进使得残差符合这个规律）。 但是，这并不意味着不能改善满足这些属性的预测方法。 对于同一个数据集...
拆分时间序列（Forecasting: Principles and practice第7章）
weixin_41636030的博客
11-24 2621
前面我们了解了时间序列的三种模式：趋势，季节性和周期。 在将时间序列分解为各个组成部分时，通常将趋势和周期组合为单个趋势周期组成部分（也称为趋势）。故我们认为时间序列包含3个部分：趋势周期部分，季节性部分和余下部分（包含时间序列中的任何其他内容） 7.1 time series components 如果我们假设加法分解，那么我们可以写为： ，这里yt是数据，St是季节性因素，Tt是趋势周期部分，...
时间序列图表（Forecasting: Principles and practice第二章）
weixin_41636030的博客
11-01 2520
2.Time series graphics 2.1 tsibble objects Time series: 可将时间序列视为数字列表，以及有关这些数字的记录时间的一些信息，该信息可作为小对象存贮在R中。 tsibble : 提供一个tbl_ts类，用于存储和管理以数据为中心格式的时间维度数据；属于R里的一个包。 2.2 time plot（时间图） Autoplot():在R里会自动生成图形，...
时间序列预测模型——残差分析
南瓜派三蔬
04-02 1万+
【整理自 Forecast：Principle and Practice】 残差（Residual）在检查预测模型是否完全捕捉数据中的信息时很有用。一个好的预测方法的残差有以下特点： （1）Residual之间是无相关性的： 如果Residual之间是有相关性的，那么残差中还有信息可以用到预测中。 （2）Residual的均值为0： 如果Residual均值非0，那么预测存在偏差（bias）。 ...
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