归档 | 时间序列

时间序列预测是一个过程，要获得好的预测，唯一的方法就是练习这个过程。在本教程中，您将了解如何使用 Python 预测法国香槟的月销售量。完成本教程将为您提供一个包含步骤和工具的框架，用于处理 […]

时间序列预测是一个过程，要获得好的预测，唯一的方法就是练习这个过程。在本教程中，您将了解如何使用 Python 预测巴尔的摩的年用水量。完成本教程将为您提供一个包含步骤和工具的框架，用于处理 […]

时间序列预测是一个过程，要获得好的预测，唯一的方法就是练习这个过程。在本教程中，您将了解如何使用 Python 预测波士顿月度武装抢劫案的数量。完成本教程将为您提供一个包含步骤和工具的框架，用于 […]

时间序列预测模型既可以进行预测，也可以为预测提供预测区间。预测区间提供了对真实观测值的上限和下限期望。这些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，您将 […]

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。要揭开该方法的面纱，一个好方法是使用训练好的模型手动进行预测。这表明 ARIMA 模型本质上是一个线性回归模型。使用拟合的 ARIMA 模型进行手动预测 […]

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观测值与先前时间步的观测值之间的关系强度。自相关和偏自相关之间的区别可能对时间序列初学者来说是困难和令人困惑的 […]

时间序列预测过程是一组步骤或一个指南，它将您从定义问题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完成预测的时间序列预测过程 […]

时间序列预测性能度量提供了对进行预测的预测模型的技能和能力的总结。有许多不同的性能度量可供选择。了解使用哪个度量以及如何解释结果可能会令人困惑。在本教程中，您将了解预测模型的性能度量 […]

时间序列分解涉及将序列视为水平、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拆分 […]

选择时间序列预测模型仅仅是个开始。在实践中使用所选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，您将了解如何最终确定时间序列预测模型并在 Python 中使用它进行预测。完成本教程后 […]