![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
时间序列预测与分析
使用机器学习、概率统计等方法预测和分析时间序列
虚胖一场
算命工程师
展开
-
时间序列预测的评估指标补遗
本文链接:个人站 | 简书 | CSDN版权声明:除特别声明外,本博客文章均采用 BY-NC-SA 许可协议。转载请注明出处。在《销量预测中的误差指标分析》一文中,我们介绍了一些时间序列点预测中常用的指标。而通过在《如何在商品采购中考虑不确定性》、《报童问题》和《报童问题的简单解法》等文中的探讨,我们已经看到,将需求预测的目标从点预测扩展为概率分布预测,可以有效降低库存管理的风险,获得更大...原创 2020-04-02 21:01:31 · 3112 阅读 · 1 评论 -
分位数回归
用 ZZZ 表示一个随机变量,其概率密度函数为 f(z)f(z)f(z),累积分布函数为 F(z)F(z)F(z)。定义函数L(Z,Z^)=ρ⋅max(Z−Z^,0)+(1−ρ)⋅max(Z^−Z,0)L(Z,\hat Z)=\rho\cdot\max(Z-\hat Z, 0)+(1-\rho)\cdot\max(\hat Z-Z, 0)L(Z,Z^)=ρ⋅max(Z−Z^,0)+(1−...原创 2020-03-18 19:31:41 · 2026 阅读 · 3 评论 -
时间序列预测方法之 WaveNet
最近打算分享一些基于机器学习的时间序列预测方法。这是第四篇。前面已经分享了两个基于 RNN 的模型(DeepAR 和 DeepState)和一个基于 Attention 的模型(Transformer),今次将会介绍一个基于 CNN 的模型。Google DeepMind 在 2016 年发表了 WaveNet: A generative model for raw audio 。这篇文章介绍...原创 2020-03-18 19:50:15 · 4245 阅读 · 8 评论 -
时间序列预测方法之 Transformer
最近打算分享一些基于机器学习的时间序列预测方法。这是第三篇。前面介绍的 DeepAR 和 DeepState 都是基于 RNN 的模型。RNN 是序列建模的经典方法,它通过递归来获得序列的全局信息,代价是无法并行。CNN 也可以用来建模序列,但由于卷积捕捉的是局部信息,CNN 模型往往需要通过叠加很多层才能获得较大的感受野。后续我可能会~~(意思就是未必会)~~介绍基于 CNN 的时间序列预测方...原创 2020-03-18 19:45:52 · 28413 阅读 · 20 评论 -
时间序列预测方法之 DeepState
最近打算分享一些基于机器学习的时间序列预测方法。这是第二篇。今次介绍的是 Amazon 在 NIPS 2018 上发表的文章 Deep State Space Models for Time Series Forecasting。状态空间模型(State Space Models)起源于控制工程领域,典型的应用包括卡尔曼滤波等。时间序列分析中的一些经典方法,如 ARIMA、Holt-Winte...原创 2020-03-18 19:38:30 · 4953 阅读 · 4 评论 -
时间序列预测方法之 DeepAR
最近打算分享一些基于机器学习的时间序列预测方法。这是第一篇。DeepAR 是 Amazon 于 2017 年提出的基于深度学习的时间序列预测方法,目前已集成到 Amazon SageMaker 和 GluonTS 中。前者是 AWS 的机器学习云平台,后者是 Amazon 开源的时序预测工具库。传统的时间序列预测方法(ARIMA、Holt-Winters’ 等)往往针对一维时间序列本身建模,...原创 2020-03-18 19:21:16 · 20291 阅读 · 19 评论 -
时间序列中的异常
考虑一个 ARIMA 过程生成的时间序列Yt=θ(B)α(B)ϕ(B)at,t=1,2,⋯ ,nY_t = \frac{\theta(B)}{\alpha(B)\phi(B)}a_t, \qquad t = 1, 2, \cdots, nYt=α(B)ϕ(B)θ(B)at,t=1,2,⋯,n其中θ(B)\theta(B)θ(B)和ϕ(B)\phi(B)ϕ(B)的所有根都在单位圆外,α...原创 2020-03-18 19:15:07 · 1111 阅读 · 0 评论 -
指数平滑方法简介
指数平滑(Exponential smoothing)是除了 ARIMA 之外的另一种被广泛使用的时间序列预测方法(关于 ARIMA,请参考 时间序列模型简介)。 指数平滑即指数移动平均(exponential moving average),是以指数式递减加权的移动平均。各数值的权重随时间指数式递减,越近期的数据权重越高。常用的指数平滑方法有一次指数平滑、二次指数平滑和三次指数平滑。1. 一次...原创 2020-03-18 18:56:12 · 3596 阅读 · 0 评论