** 作者简介 Introduction **
姚某某
知乎专栏: https://zhuanlan.zhihu.com/mydata
往期回顾:
[ R语言之高级数据分析「聚类分析」
](http://mp.weixin.qq.com/s?__biz=MzA3MTM3NTA5Ng==&mid=2651057911&idx=1&sn=81a7cc1d659773724469a60513b943cd&chksm=84d9cf60b3ae4676bcc5f51bc5bc31550a20dfda8f4c9da6820ad54684812e09d3499cd655fa&scene=21#wechat_redirect)
**[](http://mp.weixin.qq.com/s?__biz=MzA3MTM3NTA5Ng==&mid=2651057911&idx=1&sn=81a7cc1d659773724469a60513b943cd&chksm=84d9cf60b3ae4676bcc5f51bc5bc31550a20dfda8f4c9da6820ad54684812e09d3499cd655fa&scene=21#wechat_redirect)
**
本节主要总结「数据分析」的「时间序列」相关模型的思路。
「时间序列」是一个变量在连续时点或连续时期上测量的观测值的序列,它与我们以前见过的数据有本质上的区别,这个区别在于之前的数据都在一个时间的横截面上去测量、计算数据,而「时间序列」给出了一种时间轴线上纵向的视角,将时间作为自变量,测量出一系列纵向数据。
关于「时间序列」的预测模型,我所了解的常用模型有三种:1. 移动平均 2. 指数预测模型 3. ARIMA 预测模型
0. 时序的分解
要研究时序如何预测,首先需要将复杂的时序数据进行分解,将复杂的时序数据分解为单一的分解成分,这样能利用统计方法进行拟合,然后个个击破,最后再合成为我们需要预测的未来时序数