(Python)时序预测的七种方法

介绍

大多数人都听说过关于Cryptocurrency,许多人也许会投资他们的加密货币。但是,投资这种不稳定的货币安全吗?怎样才能确保现投资这些硬币未来一定能带来稳定的收益呢?我们不能确定,但肯定能根据以前的价格产生一个近似值。时序模型是预测的一种方法。

(Python)时序预测的七种方法_第1张图片

除了加密货币,还有许多重要的应用时序预测的领域,例如:销售预测,呼叫中心的通话量,太阳的活动,海潮,股市行为等等。

目录

  • 理解问题描述和数据集
  • 安装库
  • 方法 1 –以简单的方式开始
  • 方法2 – 简单平均数
  • 方法3 – 移动平均数
  • 方法 4 –指数平滑法
  • 方法5 – Holt线性趋势法
  • 方法6 – Holt冬季季节法
  • 方法7 –综合自回归移动平均法(ARIMA)

理解问题描述和数据集

提供了涉及预测JetRail通勤人数的时序问题,一个新的高速铁路服务。我们提供了2年的数据,并利用这些数据预测未来7个月的通勤人数。

在本文中,只使用训练数据集。

(Python)时序预测的七种方法_第2张图片

从以上的报表上看到,我们有2年的按小时计的通勤数据(2012-2014),需要预估未来的通勤数量。

在本文中,我构造子集和汇总数据集以便讲解不同的方法。

  • 构造数据集的子集 (2012/08 – 2013/12)
  • 为建模构造训练和测试文件。前14个月的数据被用作训练数据(2012/08 - 2013/10),后两个月的被用作测试数据(2013/11 - 2013/12)。
  • 每天汇总数据集。

(Python)时序预测的七种方法_第3张图片

把数据(用于训练的和测试的)可视化,以了解在一段时间内是如何变化的。

8123d8776fc5e5f3ab200e37c62e215d480cd914

(Python)时序预测的七种方法_第4张图片

安装库(statsmodels

用来进行时序预测的库是statsmodels。在应用很少的给定方法之前,需要安装一下。statsmodels可能已经安装在你的Python开发环境了,但它不支持的预测方法。我们将从存储库克隆一下并进行源码安装。按照如下步骤 :

原文链接

你可能感兴趣的:((Python)时序预测的七种方法)