时序中的周期因子

时序中的周期

T:长期趋势 S:季节变动 C:循环/周期因素 I:随机因素
现实时序数据多蕴含周期,比如周、季度(Q:为什么季节要单独拿出来?不也是周期吗)
首先提取周期信息可以更有效进行预测。

Step1 周期

人为定义周期,一般绘制时序图找周期(Q:多元时序中不同变量的周期有什么交互影响,要多时序图结合看吧)

Step2 计算周期因子

周均值->求比例
在这里插入图片描述

  1. 中位数(robust但损失信息)
    ->按列取中位数
    在这里插入图片描述
  2. 均值(极端值影响)
  3. 综合1. 2.加权

Step3 计算Base (因子是要乘在Base上的)

1. 直接用最后一周的平均客流量作为base
2. 也许最后三天或最后五天的均值能更好的反映最新的情况(因为日期近新鲜数据?)但是,我们不能直接对最后三天客流量取均值(最后三天是周末,这样取的base就偏大了)。
3. 需要去掉周期性因素后,再取平均。具体做法,就是用客流量除以周期因子。
在这里插入图片描述
这样我们就可以取最后三天的平均,(108+91.4+120)/3=106.5,作为base。具体取多少天的,也要通过测试集的表现来确定。当然也可以按某些函数形式来给每天赋予不同的权重。
(Q:所以,这里的【周期因子*Base】就是C因素吗?之后加进加乘分解模型?)

参考: https://www.jianshu.com/p/31e20f00c26f
(未完待续)

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