时序列预测
文章平均质量分 65
數據科學喵喵神教
-7年經驗數據科學家+咨詢
- Kaggle比賽Google Analytics Customer Revenue Prediction銀牌
- 認知語言學-第二外語習得碩士
- CUHK Data Science and Business Analytics碩士
展开
-
如何找到时序列中的缺失月(missing month)/天(missing day)并补全?尤其针对多个客户或产品的月/天销量 -- 史上最简单方法,只要2行python代码
如何找到时序列中的缺失月(missing month)/天(missing day)并补全?尤其针对多个客户或产品的月/天销量有很多方式可以实现这个功能,比如用data_period做一个时间的dataframe然后和本身的df结合。但大多数方式应对复数个客户或产品都很麻烦,要加for / apply之类的,要写很多代码。以下是我所搜索到的最最最最简便美好的方法,没有之一,只要2行代码。速度也很快!数据科学家,数据分析的小伙伴推荐收藏备用,真的很感人~~问题和目标这是不同客户(12和34)的月销原创 2022-05-12 17:54:17 · 616 阅读 · 1 评论 -
模型预测精度(数值regression)评价指标 - RMSE, MAE, MAPE & Bias哪个指标更好?Forecast KPIs: RMSE, MAE, MAPE & Bias
在销量/需求预测时常用的一些模型评价指标,尤其是在supplychain销量预测等领域,哪些指标好,哪些不好?什么时候用什么指标。翻译 2022-01-17 16:43:10 · 14060 阅读 · 4 评论 -
【时序列】时序列数据如何一步步分解成趋势(trend)季节性(seasonality)和误差(residual)- 详细理解python sm.tsa.seasonal_decompose
【时序列】时序列数据如何一步步分解成趋势(trend)季节性(seasonality)和误差(residual)- 详细理解python sm.tsa.seasonal_decompose在做时序列分析的时候,好多教程都告诉你要把时序列分解成趋势,季节性,残差,然后画图看一下有没有趋势变化,有没有季节性。像这样:import statsmodels.api as smdecomposition = sm.tsa.seasonal_decompose(train['Count'] ,model='add原创 2021-12-16 14:44:57 · 18944 阅读 · 30 评论 -
【时序列】windows10安装prophet出错 ERROR: Command errored out with exit status 1 怎么办
【时序列】windows10安装prophet出错 ERROR: Command errored out with exit status 1 解决方案环境windows10使用anaconda已经安装pystan。import pystan 正常通过问题以下代码安装prophet的时候报错: ERROR: Command errored out with exit status 1pip install fbprophet错误内容如下:解决方案不用pip,改成用conda安装解原创 2021-11-23 10:33:07 · 989 阅读 · 1 评论 -
【时序列】python怎么用R的auto-arima?pmdarima( 旧pyramid-arima)的安装方法
R语言中的auto-arima可以自动选择最合适的 q,p,d模型参数,简单好用。对于不熟悉R语言的小伙伴们,python里面也有包可以实现同样功能 就是 pmdarima。由于此包中途改名,导致很多人在安装的时候遇到问题。Pmdarima (旧名: pyramid-arima)不要再用这个command安装了。~~ pip install pyramid-arima~~正确安装方法pip install pmdarima调用方法from pmdarima.arima import auto原创 2021-11-19 13:31:36 · 2556 阅读 · 0 评论