最全时间序列预测模型和回归预测模型的python代码合集

      时间序列预测是指利用获得的数据按时间顺序排成序列，分析其变化方向和程度，从而对未来若干时期可能达到的水平进行推测。时间序列预测的基本思想，就是将时间序列作为一个随机变量的一个样本，用概率统计的方法，从而尽可能减少偶然因素的影响。

  其中，时间序列即是把客观过程一个变量或一组变量X（t）将行量度，在时刻：

   t1＜t2＜…＜tn上得到以时间t为自变量、离散化的有序集合。X（t1），X（t2），…，X（tn）自变量t可以具有不同的物理意义，例如长度、温度或其他物理量等。时间序列的波动是许多因素共同作用的结果。各种因素作用的效果有长期趋势、季节变动、循环变动和随机变动4类。若以T、S、C、I分别表示长期趋势、季节变动、循环变动和随机变动的数值，那么对时间序列yt的分析最常用的模型有两类：yt=T×S×C×I　yt=T+S+C+I

     局限性：在预测方差最小原则的前提下，预测时间越长预测值的方差越大，因此时间序列数据只适合做短期预测。

本人整理了136个深度学习和机器学习预测python代码。涵盖时间序列预测，回归预测，单输入单输出预测，多输入单输出预测，单步长预测，多步长预测。配备运行环境，数据集。多种预测模型下，数据集运行效果优异，备注清晰，一键运行，十分适合入门预测的同学。

 1----多种基础机器学习算法（线性回归(LR)、逻辑回归、惩罚回归(PR)、判别分析(DA)、朴素贝叶斯（NB）、k近邻、决策树 DT、随机森林RF、梯度提升BOOST、支持向量机SVM、神经网络ANN、主成分分析PCA、聚类分析DBSCAN和k- means、XGBOOST、lightGBM、RVM等共计17种），包括多种数据集，在Python环境下均可良好运行，适合新手学习。

  2--- 深度学习和机器学习时间序列预测算法主要为：LSTM，bilstm,gru,bigru,arima,ssa-arima，ceemdan,bp，elm，kelm，knn,mlp,slp，svm，XGBOOST,lightgbm，catboost，rf，lssvm，RNN，SARIMA，transformer,ARIMA-SSA-LSTM，ARIMA-WOA-LSTM，pso-lstm-attention，pso-cnn-lstm-attention，ssa-lstm-attention，ssa-lstm

vmd-dbo-lstm，woa-bigru，biagging,BiGRU，Bigru-Attention，BiLSTM-Attention，cnn-BiLSTM-Attention,svr,rbf,rf,cart,ceemdan,ceemdan-cnn-attention，ceemdan-cnn-lstm，ceemdan-cnn-bigru，ceemdan-cnn-bilstm-attention，vmd，vmd-lstm，vmd-cnn-lstm，vmd-cnn-bilstm-attention，vmd-cnn-bigru等等.

  3--多种回归预测模型:biagging,BiGRU，Bigru-Attention，BiLSTM-Attention，cnn-BiLSTM-Attention,svr,rbf,rf,cart,cnn-bigru,Elm，gradient-boosting，cnn-lstm-attention等等。

  4---多种智能优化算法：蝙蝠（BAT)，非洲秃鹫（AVOA），布谷鸟（CS），蜣螂(DBO)，萤火虫(FA)，烟花（FWA），灰狼（GWO），哈里斯鹰（HHO），多元宇宙(MVO)，粒子群(PSO)，正余弦(SCA)，麻雀（SSA),樽海鞘群（SSA），鲸鱼（WO）等智能优化算法，分别用来优化LSTM，LSTM-Attention，bigru,CNN-lstm-attention等等。

代码获取见评论区