预测类问题中的时间序列预测模型

前言：时间序列预测模型适用于含有时间变量的模型预测，对中短期的预测有着较好的结果，对长期预测不适用。本文重点介绍ARIMA模型的原理及代码实现。

其他模型总结：​【Python】Python中的经典时间序列预测模型总结_风度78的博客-CSDN博客

1、概念介绍：

A. 平稳性：序列的均值和方差不发生明显变化，即数据在平行于x轴的某条直线上下波动

严平稳：严平稳表示的分布不随时间的改变而改变（例如白噪声）

弱平稳：期望与相关系数不变（未来某个时刻的预测依赖于过去的数据）

B. 差分法：时间序列在t与t-k时刻的差值为k阶差分序列

pandas数据类型 ：df.diff(n)   n为差分阶数

2、ARIMA（差分自回归移动平均模型）

AR（自回归模型）：描述当前值和历史值之间的关系，用变量自身的历史时间数据对自身进行预测。