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

2ARIMA(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。

  • 2
    点赞
  • 14
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值