R语言之数据分析高级方法

‍‍‍‍‍‍‍‍‍

** 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