时间序列的几种平滑方法及Python实现与Python库

目录

Python中已有的轮子：

参考文献：

概念解释：

---

 

Python中已有的轮子：

这是Python库： http://www.statsmodels.org/stable/index.html，可以通过Table of Contents查看自己需要的内容。其中，指数平滑所处的位置如下：

这边先占个坑，等论文写完了，再针对时间序列写系列博客。

---

参考文献：

JASON大神的几篇需要看的博客：

https://machinelearningmastery.com/moving-average-smoothing-for-time-series-forecasting-python/  移动平均平滑法

https://machinelearningmastery.com/exponential-smoothing-for-time-series-forecasting-in-python/  指数平滑法

https://machinelearningmastery.com/time-series-forecasting-methods-in-python-cheat-sheet/  11种常用的处理时间序列的模型

https://machinelearningmastery.com/how-to-grid-search-triple-exponential-smoothing-for-time-series-forecasting-in-python/ 使用gridsearch对三次指数平滑寻优

csdn的使用Python实现指数平滑法的博客（非调包）：

https://blog.csdn.net/kabuto_hui/article/details/80028145

http://liuhui998.com/2018/06/24/seasonal-trend-decomposition-in-r/ (R中对时间序列的分解)

这篇博客讲了如何提取时间序列的三个组成部分：趋势性+季节性+噪声，但是使用R语言实现的。

---

概念解释：

指数平滑的分类和适用范围：

一次指数平滑：针对没有趋势和季节性的序列。

二次指数平滑：针对有趋势但没有季节性的序列。

三次指数平滑：针对有趋势和季节性的序列。