python 预测平方误差_傻瓜或程序员也能理解的霍尔特温特斯预测-第1部分

翻译至https://grisha.org/blog/2016/01/29/triple-exponential-smoothing-forecasting/
这三部分的总结[第二部分第三部分]是我试图对Holt-Winters方法做一个实事求是的解释（和Python代码），对于我们这些人来说，虽然他们假设自己在数学方面可能很在行，但仍然会在每次机会时尽量避免它。我不得不在修改tgres（它有一个Golang实现）时深入研究这个主题。在发现它有点复杂（但又非常简单）之后，我想分享这些知识是很好的，在这个过程中，我也希望能巩固它。
三次指数平滑，也称为Holt-Winters方法，是一种可以用来预测序列中数据点的方法或算法，前提是序列是“周期性”的，即在某一时期内重复。

一点历史
在某种形式或另一种形式的指数平滑可以追溯到西蒙·泊松（Siméon Poisson，1781-1840）的工作，而它在预测中的应用似乎是一个多世纪后的1956年由罗伯特·布朗（1923-2013）在其出版物《预测需求指数平滑》（Exponential smoothing for Predictive Demand，马萨诸塞州剑桥）中率先提出的。[根据网址，布朗似乎在预测烟草需求？]
1957年，麻省理工学院和芝加哥大学的毕业生查尔斯·霍尔特教授（1921-2010）在芝加哥商品大学（当时称为CIT）工作，预测生产、库存和劳动力的趋势。看来霍尔特和布朗是独立工作的，对彼此的工作一无所知。霍尔特发表了一篇论文“用指数加权移动平均数预测趋势和季节”（卡内基理工学院海军研究办公室第52号备忘录）描述了双指数平滑。三年后，1960年，霍尔特的一名学生（？）Peter R.Winters通过添加季节性改进了算法，并通过指数加权移动平均（Management Science 6324–342）发布了预测销售额，引用了Holt博士1957年的论文作为同一主题的早期工作。这个算法被称为三指数平滑或霍尔特温特斯方法，后者可能是因为它在1960年普伦蒂斯霍尔书“计划生产，库存和劳动力”霍尔特，莫迪利亚尼，穆思，西蒙，博尼尼和温特斯描述-祝你好运找到一个副本！
奇怪的是，我在网上找不到彼得·温特斯的任何个人信息。如果你有什么发现，请告诉我，我会在这里添加一个参考。
2000年，当Jake D.Brutlag（时任WebTV）在《网络监控时间序列》（第14届系统管理会议记录，LISA 2000）上发表《异常行为检测》（Aberrant Behavior Detection）时，Holt-Winters方法在互联网服务提供商圈子里广为人知。它描述了Holt-Winters季节性方法的一个变体的开源C实现（实现链接）如何用于监视网络流量，Holt-Winters季节性方法是他为非常流行的ISPs RRDTool提供的一个特性。
2003年，温特斯论文发表40多年来，牛津大学的James W Taylor教授将Holt-W