时间序列分析
文章平均质量分 92
跟着掌柜一起由易到难的学习 时间序列分析吧
小白掌柜
Atypical programmer
展开
-
跟着Datawhale打一场时序比赛(SEED新能源赛道-电动汽车充电站充电需求预测)之打卡笔记一
时序学习、新能源需求预测比赛原创 2023-10-16 20:51:39 · 624 阅读 · 1 评论 -
“利用ARIMA模型对时间序列进行分析的经典案例(详细代码)”一文中会遇到的问题总结(二)
最近又有好些朋友来咨询掌柜关于使用ARIMA模型对时间序列进行预测的????这篇博客 中遇到了一些问题,这里掌柜再次收集大家的问题来一一解答。PS: 本博客假定大家已经具备ARIMA模型的基础知识!!!问题汇总如下:怎么判断我的数据是否适合ARIMA模型呢?得到的时序预测图是负值,明显不对。怎样保证为正值?想要最后预测的数据,而不是预测的平稳数据,怎么拿到?想获取预测点的值应该怎么做的,没有API接口呀,可以告知一下吗?不需要做ADF检验吗?怎么确定ARMA的最优模型?还原到原始时间序列原创 2021-11-24 17:39:37 · 6616 阅读 · 5 评论 -
利用SARIMA模型对季节周期性的时序案例进行分析(一)
看过掌柜前几篇关于时序文章:利用ARIMA模型对时间序列进行分析的经典案例(详细代码)“利用ARIMA模型对时间序列进行分析的经典案例(详细代码)”一文中会遇到的问题总结ARIMA模型预测后出现一条直线的原因的朋友都知道在最后一篇掌柜遗留了一个问题,就是已确定当前的时序数据具有季节周期性,那么如何解决这类时序数据并进行预测分析呢?本文掌柜将从以下几个方面一一作答:SARIMA模型是什么?Python是如何使用SARIMA模型进行时序分析的?(SARIMA模型的步骤有哪些?)SA原创 2021-06-01 20:54:19 · 31706 阅读 · 47 评论 -
ARIMA模型预测后出现一条直线的原因
最近又有朋友来询问为何他的时序数据用ARIMA模型后出现的是一条直线,像下面这样(截取部分数据显示):仔细看,阴影部分是预测后的结果走势,这里是蓝色的直线???是不是很奇怪,为何这里会产生一条直线?起初掌柜也很是困惑,于是向这位朋友拿了全部数据来进行实测也是得到同样的结果。。。后来掌柜搜遍全网后研究一番,原来是这么回事!下面开始进行讲解。首先,使用ARIMA模型进行时序预测为何会出现是一条直线?解答:简单来说是因为你的时序数据中存在“季节周期性”(注:这里的季节性是泛指)特征。所以模型无原创 2020-12-23 21:15:44 · 23096 阅读 · 16 评论 -
“利用ARIMA模型对时间序列进行分析的经典案例(详细代码)”一文中会遇到的问题总结(一)
最近有好几个朋友在问关于这篇博客的多个问题????。这里掌柜打算做个总结,方便大家查阅。问题一:最后得到的时序预测是负值,怎样保证为正值?或者 如何还原原始序列以及用ARIMA对原始序列的一个预测?亦或遇到报错????“KeyError: 0 During handling of the above exception, another exception occurred:xxx”这三个其实都是问的同一个问题,即如何用ARIMA模型预测原始数据。这个问题一开始掌柜确实考虑掉了????,感谢评原创 2020-12-15 17:19:01 · 13148 阅读 · 6 评论 -
如何根据自相关(ACF)图和偏自相关(PACF)图选择ARIMA模型的p、q值
这两天有朋友在之前????这篇文章 ????里面评论询问如何通过自相关(ACF)和偏自相关(PACF)图找到p、q值?下面掌柜就详细阐述一下。PS:这里假设你已经知道AR、MA、以及ARIMA模型是什么。首先,使用ARIMA模型拟合一组(非季节性)时间序列数据时,一般的流程如下图(掌柜网上找的,侵权可删):由第4步,我们可以知道差分数据的自相关(ACF)和偏自相关(PACF)图是用来确定所有候选模型的。其次,该如何用ACF和PACF图找所有可能的候选模型呢?这里可能的候选模型有MA模型和原创 2020-09-30 21:50:14 · 127113 阅读 · 37 评论 -
利用ARIMA模型对时间序列进行分析的经典案例(详细代码)
因为之前在学数据分析课程的时候老师讲到时间序列这里,但只是简单的对这个经典的时间序列案例介绍了一下,并没有涉及对差分次数d的查找、找ARIMA模型的p、q值和模型检验 这三个步骤。后来我搜寻了整个网络,终于结合各个文章的解释,对代码进行了重新的梳理,下面就是详细的整个代码过程(如果问题,欢迎提出来指正!????):# -*- coding: utf-8 -*-# 用 ARIMA 进行时间序列预测...原创 2019-10-23 21:33:39 · 45742 阅读 · 109 评论