![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
时间序列分解
文章平均质量分 79
手撕易拉罐
这个作者很懒,什么都没留下…
展开
-
时间序列分解:stl、prophet原理与实现
参考文章:局部加权线性回归Lowess时间序列分解算法:STL时间序列分解-STL分解法STL——以鲁棒局部加权回归作为平滑方法的时间序列分解方法STL时序分解:将时序分解为趋势项、季节项(周、月等)、余项。利用Lowess局部加权回归技术进行平滑;通过外循环设计体现鲁棒性。分别用Yv, Tv,Sv,Rv分别代表数据,趋势项、季节项和余项,v的范围为0到N,那么Yv=Tv+Sv+Rv ,其中v=1,⋯,N (加法模型中,各项具有相同量纲、STL只能处理加法模型,可以先将数据原创 2020-11-30 12:17:21 · 13321 阅读 · 7 评论 -
局部加权线性回归Lowess
当要预测的样本序列不是明显的线性关系时,用线性回归会存在拟合不好的现象,即欠拟合。局部加权回归定义:以一个点 x为中心,向前后截取一段长度为frac的数据,对于该段数据用权值函数 w做一个加权的线性回归,记 ( x , y ^ )为该回归线的中心值,其中 y ^为x拟合后曲线对应值。对于所有的n个数据点则可以做出n条加权回归线,每条回归线的中心值y ^的连线则为这段数据的Lowess曲线(上述为单次回归,局部加权回归可多次迭代)。线性回归与局部加权回归的损失函数:可以发现:局部加权回归对局部特征能较原创 2020-11-27 23:11:16 · 3596 阅读 · 1 评论