在时间序列问题上使用持续性或朴素预测作为初步预测是很常见的。对具有季节性成分的时间序列数据进行更好的初步预测是持续上一季节的观测。这被称为季节性持续性。在本教程中，您将了解如何 […]

建立一个强大的时间序列预测问题基线性能，并且不要自欺欺人地认为复杂的方法很聪明，而实际上它们并非如此，这很重要。这需要您评估一系列标准的朴素或简单的时间序列预测模型，以了解 […]

在时间序列数据上使用机器学习方法需要进行特征工程。单变量时间序列数据集仅由一系列观测组成。为了使用监督学习算法，这些必须被转换为输入和输出特征。问题在于，输入和输出特征的类型和数量几乎没有限制 […]

时间序列预测模型需要多少历史数据？这是一个特定于问题的问题，我们可以通过设计实验来研究。在本教程中，您将发现历史数据大小对 ARIMA 预测模型在 Python 中的预测能力的影响。具体来说，在本教程中，您将：加载一个标准的 […]

在开始处理时间序列数据时，进行样本外预测可能会令人困惑。statsmodels Python API 提供了进行单步和多步样本外预测的函数。在本教程中，您将消除对使用 Python 中的时间序列数据进行样本外预测的所有困惑。完成本教程后，您将了解：如何 […]

从开发人员到时间序列预测员，仅需 7 天。Python 是应用机器学习增长最快的平台之一。在本迷你课程中，您将发现如何在 7 天内开始、构建准确的模型并自信地完成使用 Python 进行预测建模时间序列预测项目。这是一个重要且庞大的帖子。 […]