用R分析时间序列(time series)数据

最新推荐文章于 2022-11-01 10:05:23 发布

weixin_34072637

最新推荐文章于 2022-11-01 10:05:23 发布

阅读量2.2k

点赞数 1

文章标签：人工智能 r语言 matlab

原文链接：http://www.cnblogs.com/sylvanas2012/p/4328861.html

版权

本文介绍了使用R语言进行时间序列分析，重点讨论了Holt-Winters方法和ARIMA模型在预测未来数据方面的应用。通过airline passenger数据集，展示了如何进行时间序列的分解、差分以及选择合适的模型进行预测，并提供了相关代码示例。

摘要由CSDN通过智能技术生成

时间序列（time series）是一系列有序的数据。通常是等时间间隔的采样数据。如果不是等间隔，则一般会标注每个数据点的时间刻度。

time series data mining 主要包括decompose（分析数据的各个成分，例如趋势，周期性），prediction（预测未来的值），classification（对有序数据序列的feature提取与分类），clustering（相似数列聚类）等。

这篇文章主要讨论prediction（forecast，预测）问题。即已知历史的数据，如何准确预测未来的数据。

下面以time series 普遍使用的数据 airline passenger为例。这是十一年的每月乘客数量，单位是千人次。

原始数据（passenger.csv）：

112 115 145 171 196 204 242 284 315 340 360 417
118 126 150 180 196 188 233 277 301 318 342 391
132 141 178 193 236 235 267 317 356 362 406 419
129 135 163 181 235 227 269 313 348 348 396 461
121 125 172 183 229 234 270 318 355 363 420 472
135 149 178 218 243 264 315 374 422 435 472 535
148 170 199 230