时间序列分析(●‘◡‘●)

时间序列分析 | Python实现时间序列预测（LR、Dense、CNN、LSTM）

时间序列分析|Python实现时间序列预测（LR、Dense、CNN、LSTM）目录时间序列分析|Python实现时间序列预测（LR、Dense、CNN、LSTM）预测效果基本介绍程序设计参考资料预测效果
小橘算法屋·2023-02-02 11:44

数学建模学习笔记（十）——时间序列模型

文章目录一、时间序列综述二、时间序列数据以及基本概念三、时间序列分解四、指数平滑模型五、一元时间序列分析的模型六、AR（p）模型七、MA（q）模型八、ARMA（p,q）模型九、模型选择：AIC和BIC准则
striveAgain丶·2023-02-01 09:29

数学建模学习笔记——时间序列分析

只能得到未来一期的预测值阻尼参数越接近于1，阻力越大预测性回归——不关注显著性解释性回归——关注显著性扰动项一般都是白噪声序列arp模型一定是平稳的时间序列模型才能建模AICBIC越小越好
Grateful_Dead424·2023-02-01 09:23

时间序列分析ARMA模型-学习笔记

建模流程只用于我自己的学习理解，不一定规范！建模分解学习自《清风"数学建模算法讲解"》1.平稳性检验（1）平稳的定义：（2）AR（p）模型的平稳的条件一些推论：（3）MA（q）模型的平稳的条件只要q是常数，MA（q）模型一定是平稳的。（4）ARMA(p,q)模型平稳的条件2.白噪声检验（1）白噪声序列的定义从白噪声的定义中可以看出，对于白噪声时序，历史数据不能提供关于未来的信息，此时建立时序模型将
Merilynpa·2023-02-01 09:53

数学建模学习笔记（15）时间序列分析

时间序列分析时间序列分析概述和数据预处理时间序列分解模型指数平滑模型ARIMA模型SPSS专家建模器的使用步骤时间序列分析概述和数据预处理时间序列的概念：也称为动态序列，是指将某种现象的指标值按照时间顺序排列而成的数值序列
北岛寒沫·2023-02-01 09:51

奇异谱分析(SSA)的matlab实现

代码实现及案例展示总结前言  奇异谱分析（SSA）是主成分分析的一个特例，它特别适用于分析一维时间序列，能有效的提取时间序列中的趋势项、周期项、半周期项等有用信息，也可以实现数据的去噪、插值和外推等，是应用极为广泛的一种时间序列分析方法
咋（za）说·2023-01-30 22:15

时间序列分析 | Python实现SSA奇异谱时间序列分解(分解为周期序列和趋势序列的和)

时间序列分析|Python实现SSA奇异谱时间序列分解(分解为周期序列和趋势序列的和)目录时间序列分析|Python实现SSA奇异谱时间序列分解(分解为周期序列和趋势序列的和)基本介绍算法流程程序设计案例分析参考资料基本介绍时间序列分解是时序分析中的重要方法
小橘算法屋·2023-01-30 22:41

奇异谱分析SSA

）1.1SSA算法的基本流程1.2分解1.3重构1.4SSA预测1.4.1RecurrentForecast1.4.2VectorForecast2.python实现这两个月跟着老师做项目，接触了一点时间序列分析和预测的内容
一颗小芋圆·2023-01-30 22:39

R语言中的时间序列分析模型：ARIMA-ARCH / GARCH模型分析股票价格|附代码数据

时间序列分析是统计学中的一个主要分支，主要侧重于分析数据集以研究数据的特征并提取有意义的统计信息来预测序列的未来值简介时序分析有两种方法，即频域和时域。
·2023-01-30 20:13

R语言中的时间序列分析模型：ARIMA-ARCH / GARCH模型分析股票价格|附代码数据

时间序列分析是统计学中的一个主要分支，主要侧重于分析数据集以研究数据的特征并提取有意义的统计信息来预测序列的未来值简介时序分析有两种方法，即频域和时域。
·2023-01-30 20:41

ols回归结果分析表python_Python Statsmodels 统计包之 OLS 回归

Statsmodels是Python中一个强大的统计分析包，包含了回归分析、时间序列分析、假设检验等等的功能。
weixin_39826089·2023-01-30 14:54

15.时间序列分析

百度指数，可以看一些数据的趋势走向首先是一些模型的概念一个可视化小技巧：excel条件格式中的数据条SPSS操作数据--定义时间变量（季度/周……）画图一、指数平滑模型7种二、ARIMA模型（了解）三、应用模型拟合度种的BIC是用来衡量模型拟合情况的，如果拟合的好，这个值就越接近0
蔡鸽的蓝酋梦想·2023-01-30 12:55

[译] Python 的时间序列分析：简介

原文地址：TimeSeriesAnalysisinPython:AnIntroduction原文作者：WillKoehrsen译文出自：掘金翻译计划本文永久链接：github.com/xitu/gold-m…译者：ppp-man时间序列建模的加和模型时间序列是日常生活中其中一种最常见的数据类型。金融市场的价格、天气、家庭耗能、甚至体重都是可以定期收集数据的例子。几乎每个数据科学家都会在日常工作中碰
weixin_34315665·2023-01-29 20:05

时间序列分析 | RBF径向基神经网络时间序列预测（Matlab完整程序）

时间序列分析|RBF径向基神经网络时间序列预测（Matlab完整程序）目录时间序列分析|RBF径向基神经网络时间序列预测（Matlab完整程序）预测结果评价指标模型介绍完整程序预测结果评价指标训练集数据的
小橘算法屋·2023-01-29 14:15

Panada——系列Series

pandas是基于numpy构建的，为时间序列分析提供了很好的支持。pandas中有两个主要的数据结构，一个是Series，另一个是DataFrame。
d1b0f55d8efb·2023-01-28 11:11

时间序列分析|auto_arima调参

目录前言auto_arima参数列表实践案例结论前言在对时间序列进行ARIMA(p,d,q)建模的时候，一个比较头疼的事就是确定其中超参数p,d,q,常规做法是先用平稳性检验来确定d，然后通过ACF图和PACF图来观察p和q，这种通过机器和人工相结合的方法一套走下来往往比较长时间，而且还容易出错，如果只对一个时间序列进行分析还好，如果要对很多个时间序列，如300家连锁便利店每天的营销额进行批量建模
帅帅de三叔·2023-01-27 12:49

时间序列分析 | Python实现Auto-ARIMA时间序列分析

时间序列分析|Python实现Auto-ARIMA时间序列分析目录时间序列分析|Python实现Auto-ARIMA时间序列分析基本介绍程序设计学习总结基本介绍ARIMA模型是一种随机时序分析，是一个经典的时间序列模型
小橘算法屋·2023-01-27 12:49

Python 时间序列模型基本步骤

1时间序列与时间序列分析在生产和科学研究中，对某一个或者一组变量进行观察测量，将在一系列时刻所得到的离散数字组成的序列集合，称之为时间序列。
?Michelle·2023-01-27 10:07

python数据建模工具_python数据分析工具——Pandas、StatsModels、Scikit-Learn

Pandas的功能非常强大,支持类似于SQL的数据增、删、查、改,并且带有丰富的数据处理函数;支持时间序列分析功能;支持灵活处理缺失数据等。Pandas的安装相对来说比较容易,安
weixin_39558804·2023-01-27 10:27

两类时间序列的预测方法在原理和适用情况上的简要对比

对于两大类常用的预测方法，一是单变量和多变量的时间序列分析方法，另一类是基于机器学习和深度学习的回归方法，本文简要地进行逐个介绍分析。
山高月小 水落石出·2023-01-27 08:44

【量化课堂】Statsmodels 统计包之 OLS 回归 【0025 简单应用案例 需后期研究】

Statsmodels是Python中一个强大的统计分析包，包含了回归分析、时间序列分析、假设检验等等的功能。
三三三牛·2023-01-23 21:44

Python科研数据分析专题之描述性统计

保姆级教程|Pandas科研数据分析专题（四）数据的描述性统计实证类论文时间序列分析类论文数据的描述性统计Sim_Jackson|2023经常出现的数据描述性统计表格，在研究论文中多出现在章节，描述所获得的数据
Sim_Jackson·2023-01-23 14:35

EEMD分解如何对IMF分量进行显著性检验？

EEMD简介集合经验模态分解(EEMD)方法是一种时间上局部的自适应时间序列分析技术,适合于分析非线性、非平稳的时间序列.EEMD方法改进了经验模态分解(EMD)的模态混叠问题。
张小李的风·2023-01-22 20:47

5.时间序列分析

一.定义：时间序列分析(Time-SeriesAnalysis)是指将原来的数据分解为四部分来看——长期趋势（seculartrend，T）、季节趋势（seasonalvariation，S）、循环变动
机智何某·2023-01-22 10:32

python时间序列小波分析_时间序列的小波分析

其中，时域分析具有时间定位能力，但无法得到关于时间序列变化的更多信息；频域分析（如Fourier变换）虽具有准确的频率定位功能，但仅适合平稳时间序列分析。
weixin_39733812·2023-01-20 13:24

时间序列分析方法概述

时间序列分析方法总览1、移动平均法2、指数平滑法3、AR模型4、MA模型5、ARMA模型6、模型识别截尾：在大于某个常数k后快速趋于0为k阶截尾拖尾：始终有非零取值，不会在k大于某个常数后就恒等于零(或在
qq_24591139·2023-01-20 13:23

时间序列分析简介（一）

最早的时间序列分析古埃及人记录尼罗河的泛滥期构成时间序列。
LemonD_X·2023-01-20 13:22

确定性时间序列分析

确定性时间序列分析1.时间序列分析时间序列就是各时间点上形成的数值序列，时间序列分析就是通过观察历史数据预测未来的值，不受其他外在因素的影响。
ubyte_·2023-01-20 13:22

经典时间序列分析方法

https://machinelearningmastery.com/time-series-forecasting-methods-in-python-cheat-sheet/
cool_coder_han·2023-01-20 13:52

时间序列分析方法汇总

时间序列规则法时间序列规则法预测时间序列规则法快速入门线性回归把时间当作特征，可将分类变量，比如周几、是否为节假日等等转化为哑变量。（python的pandas库中get_dummies函数可实现）传统时序建模方法（ARIMA/ARMA模型）等老师把模型理论讲完来更代码，应该会用python写。自己写的ARIMA文章时间序列分解法自己写了一点文字介绍时间序列分解法特征工程时间序列的特征工程可参考这
白炎灵·2023-01-20 13:22

数据挖掘笔记(6)-时间序列分析

参考博客有：https://blog.csdn.net/WMN7Q/article/details/70174300一、时间序列的概念按时间顺序排列的n个随机变量X1,X2,…,Xn称为随机变量X的时间序列，简记为{Xn}，而x1,x2,…,xn代表随机变量X的时间序列的n个有序观察值。比如某饭店在1月1号到1月10号所有菜品的日销量数据如下图所示：则称3023,3039,3056,3138,31
watermelon12138·2023-01-19 13:57

时间序列分析_餐厅销量预测_2022_5_14

最近看到一个餐厅销量预测的代码，奈何目前statsmodels版本已经是0.13.2，之前代码运行报错p,q=bic_matrix.stack().idxmin()一开始以为是数据类型问题，当我输出时print(bic_matrix)得到的结果是所以这里发现肯定是上面没有获取到值，找到这里发现就是关键于是乎注释tryexcept再次运行得到NotImplementedError:statsmode
China@V·2023-01-19 13:27

机器学习数据集大全

目录探索性分析通用机器学习深度学习自然语言处理基于云的机器学习时间序列分析推荐系统特定行业流数据网页搜罗现在发生的事探索性分析的数据集探索性分析是大多数数据科学练习的第一步。
DemonHunter211·2023-01-19 09:10

时间序列预测在R中的应用 （Part1 简介和预测工具集）

所以，来恶补一下时间序列分析的内容，并探究如何在R中实现时间序列的预测。本内容来源于RobJHyndman和GeorgeAtha
yuluuy·2023-01-18 12:06

CNN做时间序列预测_预测（一）：时间序列分析

一、统计术语时间序列法是一种统计分析方法，根据时间的数据序列预测未来发展趋势。时间序列分为平稳序列和非平稳序列两大类。平稳序列是不存在趋势只存在随机性的序列，非平稳序列则是包含趋势、季节性和随机性的序列。1、趋势：时间序列在长时间内呈现出来的长期上升或下降的变动；2、季节性：时间序列在一年内出现的周期性波动，比如说航空业的销售淡季和销售旺季；3、随机性：时间序列的偶然性波动。时间序列预测的步骤是：
weixin_39968852·2023-01-18 12:32

数据学习（十六）-时间序列分析和预测

1.时间序列及其分解2.时间序列的描述性分析3.平稳序列的平滑和预测4.有趋势序列的分析和预测5.复合型型序列的分解1.时间序列及其分解同一现象在不同的时间相继观察值排列而成的序列，称为给时间序列。根据观察时间的不同，时间序列中的时间可以是年份，季度，月份或其他时间形式。时间序列可以分为平稳序列和非平稳序列。基本上不存在趋势的序列，称为平稳序列。包含趋势性。季度性或周期性的序列，称为非平稳序列，它
@你好·2023-01-18 11:51

（三）、时间序列预测

在时间序列分析预测法处于核心位置时间序列预测未来走势的方法有很多，下列只列自回归模型、移动平均模型和差分自回归滑动模型数据预处理1、时间序列的可视化画图偏自相关系数（PACF）：计算自相关系数acf和偏相关系数
青冥猪猪·2023-01-17 15:54

【计算机科学】【2019】基于一维卷积神经网络的时间序列分类

递归神经网络（RNN）通常是语言理解和时间序列分析等任务的首选方法。然而，一个已知的问题是它们捕捉长期依赖性的效率低下，从而产生了可替代的RNN。
梅花香——苦寒来·2023-01-17 12:46

基于keras的1D CNN时间序列分析

介绍许多文章关注二维卷积神经网络。它们特别用于图像识别问题。1DCNN在一定程度上被涵盖，例如用于自然语言处理(NLP)。很少有文章解释如何构建一个1DCNN。本文试图弥补这一差距。什么时候应用1DCNN?CNN可以很好地识别数据中的简单模式，然后使用这些模式在更高的层中形成更复杂的模式。当您希望从整体数据集的较短(固定长度)片段中获得有趣的特征，且特征在片段中的位置相关性不高时，1DCNN非常有
@BangBang·2023-01-17 12:16

Pandas计算历史均值

在用Python进行时间序列分析时，我们可能经常需要计算历史的一些特征。
羊羊猪·2023-01-17 07:36

时间序列ARIMA滚动预测

什么是时间序列时间序列简单的说就是各时间点上形成的数值序列，时间序列分析就是通过观察历史数据预测未来的值。
驭风少年君·2023-01-15 13:18

时间序列分析（4）| 滞后算子与季节性模型

本篇内容分为两部分：滞后算子和季节性模型，其中介绍前者既回顾了之前的内容，也为介绍后者做了铺垫。1滞后算子时间序列模型中的自回归项和移动平均项都可以使用滞后算子（LagOperator）进行方便地表示。如可以被表示为。对于常数而言，它的任意滞后项都还是它本身，即。分配律滞后算子满足分配律：。结合律滞后算子满足结合律：根据以上性质，对于ARMA(,)，有进而有上式是ARMA(,)模型的一个特解，它的
R语言学堂·2023-01-15 12:43

时间序列分析 | Python实现时序周期可视化

时间序列分析|Python实现时序周期可视化目录时间序列分析|Python实现时序周期可视化基本介绍方法介绍总结基本介绍经典的时序分解方法是基于STL（季节，趋势）的，所以季节性分量是几乎每个时序的重要组成
小橘算法屋·2023-01-15 12:12

时间序列及其R代码实现

一.时间序列的定义时间序列是将统一统计值按照时间发生的先后顺序进行排列，时间序列分析的主要目的是根据已有数据对未来进行预测。一个稳定的时间序列中常常包含两个部分：有规律的时间序列和噪声。
O泡果奶.@·2023-01-15 09:54

【时序预测】1、概述

2、时间序列分析是要确定时间序列数据的内在结构并推断其隐藏特征，以便从中获得有用的信息。利用时序分析的原因。对历史时间序列数据的基本结
找不到没用过的名字了·2023-01-14 00:44

【机器学习】时序预测Arima & HoltWinters算法及评估方法 整理

https://github.com/sryza/spark-timeseries时间序列分析时间序列，就是按时间顺序排列的，随时间变化的数据序列。
CWS_chen·2023-01-14 00:13

python二维随机游走_利用python进行时间序列分析——从随机游走到GARCH模型（二）...

AutoregressiveModels-AR(p)当因变量能由它的多个滞后项表示就叫做自回归性。公式如下：当我们描述模型的阶数，比如，AR模型的阶数为怕p,p代表在这个模型里用的滞后数量。举个例子，一个二阶自回归模型AR(2)如下：这里是系数，是白噪声。在AR模型中不能等于零。注意，AR(1)模型让就是随即游走，因此不平稳：让我们模拟一个AR(1)模型，让为零，等于0.6#SimulateanA
weixin_39929138·2023-01-13 21:13

arma模型平稳性和可逆性的条件_第32章平稳时间序列分析arma模型2keeeeaw.ppt

第32章平稳时间序列分析arma模型2keeeeaw所以，的偏自相关系数为类似地可求出*ARMA(1,1)模型可转化为无穷阶自回归模型：类似地，可将ARMA(1,1)模型转化为无穷阶移动平均模型：*ARMA
门捷列夫斯基·2023-01-12 20:20

统计学系统学习目录（持续更新中）

根据个人目前学习进度更新，但是前面未完善的内容会逐步更新——2023年1月11日概率论基础矩阵论基础统计学基础回归分析基础凸优化基础随机过程基础随机过程预备知识离散鞅理论随机微分方程时间序列分析基础随机微分方程在时间序列的应用神经网络随机微分方程在时间序列的应用机器学习基础
邓宏宇·2023-01-12 17:11

python 金融时间序列分析_利用动态深度学习预测金融时间序列基于Python

作者：JeremyCuruksuForecastingtheevolutionofeventsovertimeisessentialtomanyapplications,suchasoptionpricing,diseaseprogression,speechrecognition,andsupplychainmanagement.Itisalsonotoriouslydifficult:Theg
weixin_39955925·2023-01-10 10:06
上一页 4 5 6 7 8 9 10 11 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他