https://github.com/yangwohenmai/TimeSeriesForecasting

基于统计学的时间序列预测(AR,ARM).
https://github.com/yangwohenmai/TimeSeriesForecasting

Last synced: 3 months ago
JSON representation

基于统计学的时间序列预测(AR,ARM).

• Host: GitHub
• URL: https://github.com/yangwohenmai/TimeSeriesForecasting
• Owner: yangwohenmai
• Created: 2018-12-15T09:31:21.000Z (over 5 years ago)
• Default Branch: master
• Last Pushed: 2020-11-30T00:40:04.000Z (over 3 years ago)
• Last Synced: 2024-01-18T16:14:17.007Z (5 months ago)
• Language: Python
• Homepage:
• Size: 59.6 KB
• Stars: 195
• Watchers: 4
• Forks: 71
• Open Issues: 1
• Metadata Files:
  • Readme: README.md

Lists

• awesome-ml-summary - TimeSeriesForecasting

README

        
# 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  

```