本文介绍了指数平滑法在时间序列预测中的应用，包括一次指数平滑法、二次指数平滑法和三次指数平滑法（Holt-Winters），详细解释了各方法的递推关系和预测公式，以及参数选择和Python实现代码。
在做时序预测时，一个显然的思路是：认为离着预测点越近的点，作用越大。比如我这个月体重100斤，去年某个月120斤，显然对于预测下个月体重而言，这个月的数据影响力更大些。假设随着时间变化权重以指数方式下降——最近为0.8，然后0.8**2，0.8**3…，最终年代久远的数据权重将接近于0。将权重按照指数级进行衰减，这就是指数平滑法的基本思想。
指数平滑法有几种不同形式：一次指数平滑法针对没有趋势和季节性的序列，二次指数平滑法针对有趋势但没有季节性的序列，三次指数平滑法针对有趋势也有季节性的序列。“Holt-Winters”有时特指三次指数平滑法。
所有的指数平滑法都要更新上一时间步长的计算结果，并使用当前时间步长的数据中包含的新信息。它们通过”混合“新信息和旧信息来实现，而相关的新旧信息的权重由一个可调整的参数来控制。
1、一次指数平滑法
一次指数平滑法的递推关系如下：
其中，
是时间步长i(理解为第i个时间点)上经过平滑后的值，
是这个时间步长上的实际数据。
可以是0和1之间的任意值，它控制着新旧信息之间的平衡：当
接近1，就只保留当前数据点；当
接近0时&
最低0.47元/天 解锁文章
9568
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
