时间序列系列01-初识时间序列

1. 什么是时间序列

时间序列是按照时间顺序排列的一组随机变量，通常是在相等间隔的时间段内依照给定的采样率对某种潜在过程进行观测的结果。它能够反映某个或者某些随机变量随时间不断变化的趋势。更具体地说，时间序列可以展示某个现象的指标数值，这些数值按时间顺序排列，从而揭示了该现象的长期变化趋势和规律。
大量的社会经济统计指标都是依据年、季度、月、日，甚至实时（秒）统计的，因此，时间序列是某个统计指标（变量）长期变动的数值表现。

2. 单变量时间序列

单变量时间序列是关注于一个特定变量随时间变化的情况，这种模型仅使用一个变量（目标变量）及其时间变化来预测未来。

3.多变量时间序列

多变量时间序列涉及到多个解释变量和一个响应变量，这些变量都在时间上存在关联，常由同一个系统生成。这意味着在多变量时间序列中，每一个timestep不仅仅是一个序列值，而是多个特征。例如，考虑一个包含股票价格、交易量和天气情况的时间序列，股票价格可能是响应变量，而交易量和天气情况可能是解释变量。

4.时间序列数据集

为了更深入了解单变量和多变量时间序列的数据形式，下面给出单变量和多变量时间序列数据集。

4.1单变量时间序列数据集

1. 洗发水销售数据集数据传送门（需科学上网）
   该数据集描述了3年期间每月洗发水的销售量。
   单位是销售计数，有36个观察值。原始数据集归功于Makridakis、Wheelwright和Hyndman (1998)。
   下面是包括标题行在内的前5行数据的示例

 "Month","Sales of shampoo over a three year period"
"1-01",266.0
"1-02",145.9
"1-03",183.1
"1-04",119.3
"1-05",180.3

2. 每日最低温度数据集数据传送门（需科学上网）
   该数据集描述了澳大利亚墨尔本市 10 年（1981-1990 年）的最低日温度。
   单位为摄氏度，有 3650 个观测值。数据来源被认为是澳大利亚气象局。
   下面是包括标题行在内的前 5 行数据的示例。

"Date","Daily minimum temperatures in Melbourne, Australia, 1981-1990"
"1981-01-01",20.7
"1981-01-02",17.9
"1981-01-03",18.8
"1981-01-04",14.6
"1981-01-05",15.8

3. 每月太阳黑子数据集数据传送门（需科学上网）
   该数据集描述了230多年（1749-1983 年）观测到的太阳黑子数量的月度计数。
   单位是计数，有2,820个观测值，数据集的来源归功于Andrews & Herzberg (1985)。
   下面是包括标题行在内的前5行数据的示例。

"Month","Zuerich monthly sunspot numbers 1749-1983"
"1749-01",58.0
"1749-02",62.6
"1749-03",70.0
"1749-04",55.7
"1749-05",85.0

4. 每日女性出生数据集数据传送门（需科学上网）
   该数据集描述了1959年加利福尼亚州每天的女性出生人数。
   单位是计数，有365个观测值。数据集的来源归功于Newton (1988)。
   下面是包括标题行在内的前5行数据的示例。

"Date","Daily total female births in California, 1959"
"1959-01-01",35
"1959-01-02",32
"1959-01-03",30
"1959-01-04",31
"1959-01-05",44

4.2 多变量时间序列数据集

以下是来自气象学、医学和监测领域的3个推荐的多元时间序列数据集的选择.

1. 脑电眼状态数据集数据传送门（需科学上网）
   该数据集描述了个人的EEG数据以及他们的眼睛是睁着还是闭着。该问题的目标是仅根据 EEG 数据预测眼睛是睁开还是闭上。
   该问题的目标是仅根据EEG数据预测眼睛是睁开还是闭上。
   这是一个分类预测建模问题，共有14,980个观察值和15个输入变量。“1”的类值表示闭眼状态，“0”表示睁眼状态。数据按时间排序，并在117秒内记录观察结果。
   下面是没有标题行的前5行的示例。

4329.23,4009.23,4289.23,4148.21,4350.26,4586.15,4096.92,4641.03,4222.05,4238.46,4211.28,4280.51,4635.9,4393.85,0
4324.62,4004.62,4293.85,4148.72,4342.05,4586.67,4097.44,4638.97,4210.77,4226.67,4207.69,4279.49,4632.82,4384.1,0
4327.69,4006.67,4295.38,4156.41,4336.92,4583.59,4096.92,4630.26,4207.69,4222.05,4206.67,4282.05,4628.72,4389.23,0
4328.72,4011.79,4296.41,4155.9,4343.59,4582.56,4097.44,4630.77,4217.44,4235.38,4210.77,4287.69,4632.31,4396.41,0
4326.15,4011.79,4292.31,4151.28,4347.69,4586.67,4095.9,4627.69,4210.77,4244.1,4212.82,4288.21,4632.82,4398.46,0

占用检测数据集数据传送门（需科学上网）
该数据集描述了房间的测量值，目的是预测房间是否有人住。
在几周的时间内进行了20,560次一分钟的观察。这是一个分类预测问题。有7个属性，包括房间的各种光线和气候属性。
数据来源归功于UMONS的Luis Candanedo。
下面是包括标题行在内的前5行数据的示例。

"date","Temperature","Humidity","Light","CO2","HumidityRatio","Occupancy"
"1","2015-02-04 17:51:00",23.18,27.272,426,721.25,0.00479298817650529,1
"2","2015-02-04 17:51:59",23.15,27.2675,429.5,714,0.00478344094931065,1
"3","2015-02-04 17:53:00",23.15,27.245,426,713.5,0.00477946352442199,1
"4","2015-02-04 17:54:00",23.15,27.2,426,708.25,0.00477150882608175,1
"5","2015-02-04 17:55:00",23.1,27.2,426,704.5,0.00475699293331518,1
"6","2015-02-04 17:55:59",23.1,27.2,419,701,0.00475699293331518,1

数据以3个文件的形式提供，这些文件建议可以用于训练和测试模型的分割

3. 臭氧水平检测数据集数据传送门（需科学上网）
   该数据集描述了6年的地面臭氧浓度观测，目的是预测它是否是“臭氧日”。
   该数据集包含2,536个观测值和73个属性。这是一个分类预测问题，最终属性表示臭氧日的分类值为“1”，正常日为“0”。
   提供了两个版本的数据，八小时峰值集和一小时峰值集。我建议现在使用一小时峰值设置。
   下面是没有标题行的前5行的示例。

1/1/1998,0.8,1.8,2.4,2.1,2,2.1,1.5,1.7,1.9,2.3,3.7,5.5,5.1,5.4,5.4,4.7,4.3,3.5,3.5,2.9,3.2,3.2,2.8,2.6,5.5,3.1,5.2,6.1,6.1,6.1,6.1,5.6,5.2,5.4,7.2,10.6,14.5,17.2,18.3,18.9,19.1,18.9,18.3,17.3,16.8,16.1,15.4,14.9,14.8,15,19.1,12.5,6.7,0.11,3.83,0.14,1612,-2.3,0.3,7.18,0.12,3178.5,-15.5,0.15,10.67,-1.56,5795,-12.1,17.9,10330,-55,0,0.
1/2/1998,2.8,3.2,3.3,2.7,3.3,3.2,2.9,2.8,3.1,3.4,4.2,4.5,4.5,4.3,5.5,5.1,3.8,3,2.6,3,2.2,2.3,2.5,2.8,5.5,3.4,15.1,15.3,15.6,15.6,15.9,16.2,16.2,16.2,16.6,17.8,19.4,20.6,21.2,21.8,22.4,22.1,20.8,19.1,18.1,17.2,16.5,16.1,16,16.2,22.4,17.8,9,0.25,-0.41,9.53,1594.5,-2.2,0.96,8.24,7.3,3172,-14.5,0.48,8.39,3.84,5805,14.05,29,10275,-55,0,0.
1/3/1998,2.9,2.8,2.6,2.1,2.2,2.5,2.5,2.7,2.2,2.5,3.1,4,4.4,4.6,5.6,5.4,5.2,4.4,3.5,2.7,2.9,3.9,4.1,4.6,5.6,3.5,16.6,16.7,16.7,16.8,16.8,16.8,16.9,16.9,17.1,17.6,19.1,21.3,21.8,22,22.1,22.2,21.3,19.8,18.6,18,18,18.2,18.3,18.4,22.2,18.7,9,0.56,0.89,10.17,1568.5,0.9,0.54,3.8,4.42,3160,-15.9,0.6,6.94,9.8,5790,17.9,41.3,10235,-40,0,0.
1/4/1998,4.7,3.8,3.7,3.8,2.9,3.1,2.8,2.5,2.4,3.1,3.3,3.1,2.3,2.1,2.2,3.8,2.8,2.4,1.9,3.2,4.1,3.9,4.5,4.3,4.7,3.2,18.3,18.2,18.3,18.4,18.6,18.6,18.5,18.7,18.6,18.8,19,19,19.3,19.4,19.6,19.2,18.9,18.8,18.6,18.5,18.3,18.5,18.8,18.9,19.6,18.7,9.9,0.89,-0.34,8.58,1546.5,3,0.77,4.17,8.11,3145.5,-16.8,0.49,8.73,10.54,5775,31.15,51.7,10195,-40,2.08,0.
1/5/1998,2.6,2.1,1.6,1.4,0.9,1.5,1.2,1.4,1.3,1.4,2.2,2,3,3,3.1,3.1,2.7,3,2.4,2.8,2.5,2.5,3.7,3.4,3.7,2.3,18.8,18.6,18.5,18.5,18.6,18.9,19.2,19.4,19.8,20.5,21.1,21.9,23.8,25.1,25.8,26,25.6,24.2,22.9,21.6,20,19.5,19.1,19.1,26,21.1,?,?,?,?,?,?,?,?,?,?,?,?,?,?,?,?,?,?,?,0.58,0.
1/6/1998,3.1,3.5,3.3,2.5,1.6,1.7,1.6,1.6,2.3,1.8,2.5,3.9,3.4,2.7,3.4,2.5,2.2,4.4,4.3,3.2,6.2,6.8,5.1,4,6.8,3.2,18.9,19.5,19.6,19.5,19.5,19.5,19.4,19.2,19.1,19.5,19.6,18.6,18.6,18.9,19.2,19.3,19.2,18.8,17.6,16.9,15.6,15.4,15.9,15.8,19.6,18.5,14.4,0.68,1.52,8.62,1499.5,4.3,0.61,9.04,10.81,3111,-11.8,0.09,11.98,11.28,5770,27.95,46.25,10120,?,5.84,0.