时间序列预测
基于统计学的时间序列预测(AR,ARM).
一、
1.ARIMA自回归
1.ARIMA移动预测模型
2.数据集
3.数据拟合寻找系数
4.自相关
shampoo-sales.csv
2.AR自回归模型
1.持久性模型
2.快速检查自相关_corr()
3.快速检查自相关_lag_plot()
4.数据集线图
5.自回归模型
6.自回归模型 (2)
7.自相关图_autocorrelation_plot()
8.自相关图_plot_acf()
3.法国香槟的月销售额
1.如何训练Embidding层
2.在Embidding层使用已训练好的词向量_glove
4.时间序列预测的基线预测
1.时间序列预测的基线预测
2.数据一览图
shampoo-sales.csv
5.数据可视化
1.盒子和晶须图
2.散点图
3.条形图
4.线图
5.直方图
6.数据准备
- 标准化和归一化
标准化
归一化
判断数据是否适用标准化
- 时间序列转监督性问题
多步式单变量函数,多测多
多步式多变量,多变量一测多
一步式单变量函数,多测一
一步式多变量,多变量一测一
- 数据的基本特征分析(窗口滚动大小)
滚动窗口统计
扩展窗口统计
daily-minimum-temperatures-in-me.csv
- 训练模型回测
数据分割
sunspots.csv
7.网格搜索ARIMA模型超参数
1.每日女性出生研究
2.洗发水销售研究
shampoo-sales.csv
daily-total-female-births.csv