时间序列预测
文章平均质量分 92
记录时间序列预测的学习路程
我也要做小太阳
学的不少了,没有整理的都成堆了,慢慢补充到博客,希望能帮助到自己
展开
-
销量预测06(在前面的思想上,顺理成章的想到这个方案)
其实总结之前的五个方案,就很容易想到这个咯。完整的机器学习预测basline。原创 2022-12-31 21:44:54 · 307 阅读 · 2 评论 -
销量预测05(数据的初步处理:机器学习的探索2)
在04的基础上,继续尝试做优化。原创 2022-12-31 21:17:49 · 234 阅读 · 0 评论 -
销量预测04(数据的初步处理:使用机器学习,在此考虑了时间窗作为输入)
arima和prophet被尝试之后,机器学习开始被引入。原创 2022-12-31 21:12:50 · 345 阅读 · 2 评论 -
销量预测03(数据的初步处理:ARIMA的baseline)
arima的basline原创 2022-12-31 21:05:04 · 324 阅读 · 0 评论 -
销量预测02(数据的初步处理:prophet的basline)
在初步查看完数据之后,首先会考虑prophet处理(算法的讲解以后会专门开出专栏来。)原创 2022-12-31 20:46:36 · 396 阅读 · 0 评论 -
销量预测(1原始数据集探索)
一次面试题目,也算是对机器学习用于时序的一次综合使用,这个code总共分为了6次进行。原创 2022-12-31 20:29:46 · 567 阅读 · 0 评论 -
将时间序列转化为监督学习问题
这里提供两种不同的数据划分方式,看喜好选择了鸭第一种数据划分的方式pandas的shift()函数import pandas as pddf = pd.DataFrame()df["time"] = [x for x in range(10)]df time 0 0 1 1 2 2原创 2022-03-10 20:17:25 · 1630 阅读 · 0 评论