黑色阳光bon-CSDN博客

原创 pandas快速入门（一、二）

#!/usr/bin/env python coding: utf-8 In[40]: import pandas as pd import numpy as np import matplotlib.pyplot as plt In[41]: #创建关键数据结构 #1. Series Series是pandas提供的以为数组，它类似于numpy中的Array,pandas默认会创建一个整数的...

2020-03-14 00:46:55 579

原创数据科学包numpy--01课

数据科学包numpy import numpy as np array = np.array([[1,2,3], [2,3,4]]) print(array) #几维数组正方形线性，二维数组# print('number of dimation',array.ndim) print('number of dim:',array.ndim) #几行几列 pri...

2020-03-11 18:18:57 121

原创 Python 函数与Lambda

Python 函数与Lambda表达式 #函数 ##5. 函数传递匹配位置匹配关键字匹配默认值（调用调用省略的值） ef func(a,b=2,c=3): print(a, b, c) func(1,2,3) func('a','b','c') func([1,2,3],(5,6),{'a':1,'b':2}) func(1, c=5) #example 2 de...

2020-02-28 21:50:46 145

利用ARMA、AR、MA模型-以及周期图等进行系统参数估计

利用ARMA、AR、MA模型-以及周期图等进行系统参数估计，ARIMA 预测模型训练集和预测集 ARIMA模型全称为自回归积分滑动平均模型(Autoregressive Integrated Moving Average Model,简记ARIMA)，是由博克思(Box)和詹金斯(Jenkins)于70年代初提出一著名时间序列（Time-series Approach）预测方法 [1] ，所以又称为Box-Jenkins模型、博克思-詹金斯法。其中ARIMA（p，d，q）称为差分自回归移动平均模型，AR是自回归， p为自回归项； MA为移动平均，q为移动平均项数，d为时间序列成为平稳时所做的差分次数。所谓ARIMA模型，是指将非平稳时间序列转化为平稳时间序列，然后将因变量仅对它的滞后值以及随机误差项的现值和滞后值进行回归所建立的模型。ARIMA模型根据原序列是否平稳以及回归中所含部分的不同，包括移动平均过程（MA）、自回归过程（AR）、自回归移动平均过程（ARMA）以及ARIMA过程。

2018-12-02

空空如也

TA创建的收藏夹 TA关注的收藏夹