时间序列简单总结

今天看了一下唐宇迪的时间序列分析，对时间序列有了初步的认识。

这里总结一下一些相关知识

首先时间序列即以时间未变化（x轴）的一系列数据。

这个数据可能变化的情况非常剧烈，所以不便于分析，我们希望它能反应出稳定的变化趋势，这时候便有了ARIMA模型，这个模型主要反映的还是数据的以时间为横轴的差分变化情况，一阶差分即将t时刻数据值减去t-1时刻数据值得到的数据，这样得到的数据会更稳定，二阶差分即在一阶差分的基础上再次进行差分，一般都是1-2阶差分。

然后是滑动窗口，这个类似于卷积的窗口，不断从过去以某个长度的窗口向右滑动，这个窗口内的值可以取平均值，也是使数据变得平稳，这里的滑窗的功能和数据竞赛中的滑窗的功能虽然有所区别，但是核心思想都是一样的。

ARIMA模型其实就是一种预测时间序列变化趋势的模型，同sklearn中模型使用方法类似，在对数据进行处理（平滑）后进行fit，然后predict.一般都是predict数值，如果是分类，建议调用tsfresh库进行时间序列特征提取，然后用传统机器学习模型进行分类。