算法
SUSU0203
这个作者很懒,什么都没留下…
展开
-
指数平滑预测--单指数模型
前言:2018年华为软赛初赛已经结束,很高兴我们团队取得西北赛区36强的成绩。最近我会在博客上介绍我们使用过的预测方法,首先是指数平滑模型,指数平滑模型是简单高效的预测模型(分数高),我们主要使用的二次指数平滑和三次指数平滑,按7天进行数据加和,来预测短期数据。 时间序列预测方法的基本思想是:预测一个现象的未来变化时,用该现象的过去行为来预测未来。即通过时间序列的历史数据揭示现象随时...原创 2018-04-22 20:44:39 · 10530 阅读 · 1 评论 -
时间序列分析——自回归移动平均(ARMA)模型
一、时间序列与ARMA模型 自回归滑动平均模型(ARMA模型,Auto-Regression and Moving Average Model)是研究时间序列的重要方法,由自回归模型(AR模型)与滑动平均模型(MA模型)为基础“混合”而成,具有适用范围广、预测误差小的特点。 一般p阶自回归过程AR(p)是: (1-1)其中{}为白噪声,为自回归模型的参数。若用滞后...原创 2018-04-23 22:44:55 · 74045 阅读 · 2 评论 -
Burg法求解AR(p)模型参数及MATLAB实现
在随机信号分析中,可以用AR模型进行功率谱估计。在求解Yule-Walker方程中的AR系数可用Levinson递推算法简化计算,但它需要知道自相关序列。自相关序列实际上只能从随机序列x(n)的有限个观测数据估计得到。当时间序列较短时,的估计误差很大,这将对AR参数的计算引入较大的误差,导致谱估计性能下降,甚至出现谱线分裂与谱峰偏移等现象。如果利用观测到的数据直接计算AR模型的参数,则能克...原创 2018-05-03 22:25:50 · 18695 阅读 · 4 评论 -
机器学习——局部加权线性回归用来预测(内含代码)
回归的目的是预测数值型的目标值,其中最简单的方法是线性回归,线性回归意味着可以将输入项分别乘以一些常量,再将结果加起来得到输出。但是,线性回归的一个问题是有可能出现欠拟合现象,因为它求的是具有最小均方误差的无偏估计。如果模型欠拟合将不能取得最好的预测效果。所以有些方法允许在估计中引入一些偏差,从而降低预测的均方误差。 其中的一个方法是局部加权线性回归(Locally Weighted...原创 2018-05-04 11:50:14 · 3819 阅读 · 0 评论