【原创】基于SVM作短期时间序列的预测

【面试思路拓展】

对时间序列进行预测的方法有很多，

但如果只有几周的数据，而没有很多线性的趋势、各种实际的背景该如何去预测时间序列？

或许可以尝试下利用SVM去预测时间序列，那么如何提取预测的特征呢？

传统的做法是提取1、2、3、4、5、7、9、13个单位时间的数据作为特征进行预测；

举个例子进行分析，比如每天都有口香糖的销量，那么如何通过几周的数据预测明天的数据，

就可以选择前1、2、3、4、5、7、14天的数据作为特征，从而预测明天的数据，

通过构建特征，再选择核函数进行预测，其中调参的参数尽量要进行最优化，

参考方法：如果选择RBF核函数，那么其中就会有三个参数，固定两个，然后不停的优化另外一个，直到得到最优解。

 

具体应用的例子：

（1）SVM预测风场：http://wenku.baidu.com/link?url=SCCIJJe8tXLbTjLMZ81x5Qy6elsceAKIOwtkZ0QxfSCQQ4KaWKwo8Biepjs3Ss2LJ2ewhisNR0ixrDY4kV1Rd7BcqWRenuTaG85K80E-30y

（2）SVM预测股票指数：基于SVM修正的模糊时间序列模型在沪指预测中的应用

（3）SVM预测时间序列其他方面：http://www.docin.com/p-233353900.html

转载于:https://www.cnblogs.com/haobang008/p/6082144.html