作者归档 | Jason Brownlee

时间序列预测是一个过程，获得良好预测的唯一方法就是实践这个过程。在本教程中，您将学习如何使用 Python 预测波士顿每月武装抢劫案的数量。通过完成本教程，您将获得一个用于步骤和工具的框架 […]

时间序列预测模型既可以进行预测，也可以为这些预测提供预测区间。预测区间提供了实际观测值的上限和下限预期。这对于评估预测的实际可能结果范围以及更好地理解模型的技能非常有用。在本教程中，[…]

自回归积分移动平均模型或 ARIMA 模型对于初学者来说可能令人生畏。了解该方法的一个好方法是使用训练过的模型手动进行预测。这表明 ARIMA 本质上是一个线性回归模型。使用拟合的 ARIMA 手动进行预测 […]

自相关和偏自相关图在时间序列分析和预测中被广泛使用。这些图表以图形方式总结了时间序列中的观测值与先前时间步长的观测值之间的关系强度。自相关与偏自相关之间的区别对时间序列初学者来说可能很困难和令人困惑 […]

时间序列预测过程是一系列步骤或一种方法，它将您从定义问题一直引导到拥有时间序列预测模型或预测集。在本帖中，您将了解可以用来指导您进行预测的时间序列预测过程 […]

时间序列预测性能指标提供了对进行预测的预测模型技能和能力的总结。有许多不同的性能指标可供选择。了解使用哪个指标以及如何解释结果可能令人困惑。在本教程中，您将了解性能指标 […]

时间序列分解涉及将一个序列视为水平、趋势、季节性和噪声分量的组合。分解为思考时间序列提供了一个有用的抽象模型，并有助于更好地理解时间序列分析和预测过程中的问题。在本教程中，您将了解时间序列分解以及如何自动分割 […]

选择时间序列预测模型只是开始。在实践中使用选定的模型可能会带来挑战，包括数据转换和将模型参数存储在磁盘上。在本教程中，您将学习如何完成时间序列预测模型并使用它在 Python 中进行预测。完成本教程后，[…]

数据转换旨在消除噪声并提高时间序列预测的信号。选择一个好的，甚至最好的转换对于给定的预测问题可能非常困难。有许多转换可供选择，每种转换都有不同的数学直觉。在本教程中，您将学习如何 […]

您不必按原样对时间序列预测问题进行建模。有许多方法可以重构您的预测问题，这些方法可以简化预测问题并可能暴露更多或不同的信息以供建模。重构最终可以带来更好和/或更稳健的预测。在本教程中，您将了解 […]