时间序列：
预测股价、降水量等
平稳性：
样本数据（时间序列数据）有”惯性“
要求序列的均值和方差不发生明显变化
严平稳：分布情况不随时间的改变而改变
弱平稳：期望与相关系数（依赖性）不变【真实数据大多数是弱平稳的】
差分法：时间序列在t与t-1时刻的差值，使数据变的更加平稳
可做一阶差分，二阶差分…二阶差分是在一阶差分的基础上作差分
自回归模型（AR）
（1）描述当前值与历史值之间的关系，用变量自身的历史时间数据对自身进行预测
（2）自回归模型必须满足平稳性要求（差分处理）
（3）p阶：表示时间间隔（与前p个值有关）
自回归模型限制：
ARIMA模型（时间序列）
最新推荐文章于 2024-09-26 23:01:36 发布
ARIMA模型是用于时间序列预测的重要工具，适用于预测股价、降水量等。该模型要求时间序列数据具备平稳性，通常通过差分处理实现。ARIMA结合了自回归（AR）和移动平均（MA）模型，其中AR描述当前值与历史值的关系，MA关注误差项的累加。模型评估涉及相关函数和差分次数（p, q, d），并需确保自相关性和随机波动的有效处理。"
116911793,10536336,解决红旗Linux Desktop5.0安装Firefox2.0时的libgobject-2.0.so.0缺失问题,"['Linux', '软件安装', '依赖管理', '系统配置']
最低0.47元/天 解锁文章
扫一扫
1078
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
