![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
时间序列
文章平均质量分 89
现实、狠残酷
数据分析,供应链计划。
展开
-
指数平滑代码
指数平滑是一种常用的时间序列预测方法。它通过对历史数据进行平滑处理,来预测未来的趋势。指数平滑方法主要适用于具有较弱季节性和趋势的时间序列数据。指数平滑可以分为一次指数平滑、二次指数平滑和三次指数平滑。每种方法都有不同的平滑因子,可以根据实际情况选择最合适的平滑因子来进行预测。选择适合的指数平滑方法:根据时间序列数据的特点,选择一次、二次或三次指数平滑方法。初始化平滑参数:为指数平滑方法选择适当的平滑因子(如 α、β、γ)。原创 2023-07-30 17:17:05 · 361 阅读 · 0 评论 -
(一)DeepAR算法介绍
时间t上的观测值的分布只能是高斯分布无法高效处理大量相关时间序列下面开始介绍一种新的算法:亚马逊于2017年发表论文。DeepAR(Probabilistic Forecasting with Autoregressive Recurrent),这是一种将深度学习和概率模型结合起来的自回归模型。主要适用于大量相关时间序列的预测。举个例子:亚马逊作为世界上最大的电商平台,上面有大量的商品。每个商品的销量都是一条时间序列。原创 2023-02-07 10:48:34 · 1667 阅读 · 1 评论 -
时间序列概述
时间序列是按照时间先后顺序出现的有序数列某工厂每日的产品出货量某奶茶店日销售数量某股票每日的价格走势数据某APP的日访问次数从上面的例子中可以看出,时间序列在制造业,零售业,金融业和互联网行业中都有着非常多的应用场景。原创 2022-10-09 15:24:45 · 1892 阅读 · 0 评论