用python做时间序列预测三：时间序列分解
在初始概念篇中，我们简单提到了时间序列由趋势、周期性、季节性、误差构成，本文将介绍如何将时间序列的这些成分分解出来。分解的使用场景有很多，比如当我们需要计算该时间序列是否具有季节性，或者我们要去除该时间序列的趋势和季节性，让时间序列变得平稳时都会用到时间序列分解。 加法和乘法时间序列 ...
原文：用python做时间序列预测一：初识概念
利用时间序列预测方法，我们可以基于历史的情况来预测未来的情况。比如共享单车每日租车数，食堂每日就餐人数等等，都是基于各自历史的情况来预测的。 什么是时间序列 时间序列，是指同一个变量在连续且固定的时间间隔上的各个数据点的集合，比如每 分钟记录的收费口车流量，或者每年记录的药物销量都是时间序列。 时间序列的类型 根据时间间隔的不同，时间序列可以是按年度 Annual 季度 月度 周 小时 分钟 秒 ...
2020-06-02 16:33 0 1338 推荐指数：
相关推荐
用python做时间序列预测十：时间序列实践-航司乘客数预测
本文以航司乘客数预测的例子来组织相关时间序列预测的代码，通过了解本文中的代码，当遇到其它场景的时间序列预测亦可套用。 航司乘客数序列 预测步骤 预测结果 完整代码 小结 陆陆续续写了10篇时间序列相关的文章了，本系列主要是应用为主，包括初识概念、时间序列数据 ...
用python做时间序列预测九：ARIMA模型简介
本篇介绍时间序列预测常用的ARIMA模型，通过了解本篇内容，将可以使用ARIMA预测一个时间序列。 什么是ARIMA？ ARIMA是'Auto Regressive Integrated Moving Average'的简称。 ARIMA是一种基于时间序列历史值 ...
用python做时间序列预测9：ARIMA模型简介
转自:https://cloud.tencent.com/developer/article/1646121 什么是ARIMA？ ARIMA是'Auto Regressive Integrated Moving Average'的简称。 ARIMA是一种基于时间序列历史值和历史 ...
用python做时间序列预测二：时间序列的一般数据格式和可视化
本文将介绍如何通过python来读取、展现时间序列数据。 读取 时间序列数据一般用cvs等电子表格的形式存储，这里以cvs为例： 可视化 本篇介绍了时间序列的一般数据格式和基于python的可视化方法，下一篇将介绍时间序列的分解方法，目的是通过分解出的时间序列 ...
用python做时间序列预测五：时间序列缺失值处理
有的时候，一些时刻或连续时间段内的值无法采集到，或者本身就没有值，本文将介绍如何处理这种情况。 一般而言，有以下几种方法： 对所有的缺失值用零填充。 前向填充：比如用周一的值填充缺失的周二的值 后向填充：比如用周二的值填充缺失的周一的值 采用n最近 ...
用python做时间序列预测七：时间序列复杂度量化
本文介绍一种方法,帮助我们了解一个时间序列是否可以预测，或者说了解可预测能力有多强。 Sample Entropy （样本熵） Sample Entropy是Approximate Entropy(近似熵)的改进，用于评价波形前后部分之间的混乱程度， 熵越大，乱七八糟的波动越多，越 ...
基于 Keras 用 LSTM 网络做时间序列预测
目录 基于 Keras 用 LSTM 网络做时间序列预测 问题描述 长短记忆网络 LSTM 网络回归 LSTM 网络回归结合窗口法 基于时间步的 LSTM 网络回归 在批量训练之间保持 LSTM 的记忆 在批量 ...