ARIMA

时间序列

自回归模型(AR)

描述当前值与历史值之间的关系,用变量自身的历史时间数据对自身进行预测
自回归模型必须满足平稳性要求
p阶自回归过程的公式定义:在这里插入图片描述
在这里插入图片描述自回归模型的限制
自回归模型用自身的数据来进行预测
必须具有平稳性
必须具有自相关性,如果自相关系数小于0.5,则不宜采用
自回归只适用于预测与自身前期相关的现象

移动平均模型(MA)

移动平均模型关注的是自回归模型中误差项的累加
q阶自回归过程的公式定义:
在这里插入图片描述移动平均法能有效地消除预测中的随机波动

自回归移动平均模型(ARMA)

自回归与移动平均结合
公式定义:在这里插入图片描述

ARIMA

ARIMA(p,d,q)模型全称差分自回归移动平均模型
AR是自回归,p是自回归项;MA为移动平均,q为移动平均项数,d为时间序列成为平稳时所做的差分次数
原理:将非平稳时间序列转化为平稳时间序列然后将因变量的滞后值以及随机误差项的现值进行回归所建立的模型

你可能感兴趣的:(机器学习)