ARIMA

机器学习与时间序列预测

做时间序列预测，传统模型最简便，比如ExponentialSmoothing和ARIMA。但这些模型一次只能对一组时间序列做预测，比如预测某个品牌下某家店的未来销售额。
爱斯翠摩鸡·2021-04-23 03:15

百晓生知识处理库，正则后的python相关词

A’,‘ADF’,‘AES’,‘AHP’,‘AI’,‘AJAX’,‘ALWAYS’,‘ANN’,‘API’,‘APIView’,‘APP’,‘APScheduler’,‘ARIMA’,‘ARP’,‘ASP
python & TwinCAT·2021-04-20 22:28

zabbix的安装及常见问题汇集

http://www.jianshu.com/p/229da51f66c8安装过程遇到的问题nginx.conf配置如下server{listen80;server_namearima.onlinewww.arima.online
luckyhua·2021-04-20 21:54

R语言时间序列知识点总结

时间序列对象:变量随着时间变化时间序列的回归函数(例如ar或arima)通常以时间序列作为参数许多绘图函数都有针对时间序列对象的特殊方法ts函数创建时间序列对象ts(data=NA,start=1,end
·2021-04-17 14:54

数据预测让你未卜先知，及时掌握数据趋势！

BDP首次开放简单易用的时间序列预测功能，内部采用ARIMA算法和系统智能调参，根据历史数据提供未来的趋势预期，帮助大家对还未到来的情况进行预判和准备。如何进行数据预测？
小草莓莓莓·2021-04-14 03:01

时间序列预测：I概述

常用的模型，以下基本可以涵盖主流思想：传统时序模型：ARIMA，Prophet，EMD构造时序特征的统计学习方法：LR，GBDT(xgboost\lightgbm)深度学习方法：seq2seq，wavenet
YueTan·2021-04-13 22:15

Python中的ARIMA模型、SARIMA模型和SARIMAX模型对时间序列预测

p=12272使用ARIMA模型，您可以使用序列过去的值预测时间序列。在本文中，我们从头开始构建了一个最佳ARIMA模型，并将其扩展到SeasonalARIMA（SARIMA）和SARIMAX模型。
·2021-04-12 00:55

R语言arima，向量自回归（VAR），周期自回归(PAR)模型分析温度时间序列

原文链接：http://tecdat.cn/?p=22071至少有两种非平稳时间序列：具有趋势的时间序列和具有单位根的时间序列（称为单整时间序列）。单位根检验不能用来评估时间序列是否平稳。它们只能检测单整时间序列。季节性单位根也是如此。这里考虑月平均温度数据。>mon=read.table("temp.txt")>plot(mon)现在，我们可以计算所有年份的三个不同平稳性检验的p值for(yin
·2021-04-12 00:23

Python中的ARIMA模型、SARIMA模型和SARIMAX模型对时间序列预测

p=12272使用ARIMA模型，您可以使用序列过去的值预测时间序列。在本文中，我们从头开始构建了一个最佳ARIMA模型，并将其扩展到SeasonalARIMA（SARIMA）和SARIMAX模型。
·2021-04-12 00:11

R语言arima，向量自回归（VAR），周期自回归(PAR)模型分析温度时间序列

原文链接：http://tecdat.cn/?p=22071至少有两种非平稳时间序列：具有趋势的时间序列和具有单位根的时间序列（称为单整时间序列）。单位根检验不能用来评估时间序列是否平稳。它们只能检测单整时间序列。季节性单位根也是如此。这里考虑月平均温度数据。>mon=read.table("temp.txt")>plot(mon)现在，我们可以计算所有年份的三个不同平稳性检验的p值for(yin
·2021-04-09 21:28

R语言arima，向量自回归（VAR），周期自回归(PAR)模型分析温度时间序列

原文链接：http://tecdat.cn/?p=22071至少有两种非平稳时间序列：具有趋势的时间序列和具有单位根的时间序列（称为单整时间序列）。单位根检验不能用来评估时间序列是否平稳。它们只能检测单整时间序列。季节性单位根也是如此。这里考虑月平均温度数据。>mon=read.table("temp.txt")>plot(mon)现在，我们可以计算所有年份的三个不同平稳性检验的p值for(yin
拓端研究室·2021-04-09 16:00

使用Python建立时间序列(ARIMA、MA、AR)预测模型

文章内容整理自网上内容，作个人笔记分享使用，如有错误欢迎大家指正。o(｀ω´)o文章目录时间序列定义1）数据导入和处理2）数据格式转换3）平稳性检验2）KPSS测试消除趋势移动平均消除趋势和季节性变化1.差分Differencing2.分解Decomposing预测时间序列ARIMAARmodel自回归模型MAmodel移动平均模型CombinedModel预测参考资料时间序列定义时间序列(Tim
Avasla·2021-04-08 21:35

电力负荷短期预测模型（基于ARIMA）

电力分析与预测根据提供的客户的20天的分时段数据，进行分析：要求1：根据数据对客户进行聚类分析；要求2：根据数据对客户进行负荷预测。一.导入数据#安装库专用#通过如下命令设定镜像options(repos='http://mirrors.ustc.edu.cn/CRAN/')#查看镜像是否修改getOption('repos')#尝试下载R包#若有需要，进行安装#install.packages(
冷式乌托邦。·2021-04-08 15:00

时序分析 19 VAR(Vector Autoregression) 向量自回归

前面我们讨论了多个自回归模型，例如AR,ARMA,ARIMA等。而向量自回归和已讨论地自回归模型有本质的区别：类似AR等模型所建模的关系都是单向的，而VAR是双向的。
Magic Ktwc37·2021-04-05 11:46

【视频】Python和R使用指数加权平均(EWMA)，ARIMA自回归移动平均模型预测时间序列

p=21773视频在Python和R语言中建立EWMA，ARIMA模型预测时间序列概述学习创建时间序列预测的步骤关注Dickey-Fuller检验和ARIMA（自回归移动平均）模型从理论上学习这些概念以及它们在
拓端研究室·2021-04-01 23:51

Python和R使用指数加权平均(EWMA)，ARIMA自回归移动平均模型预测时间序列

p=21773概述学习创建时间序列预测的步骤关注Dickey-Fuller检验和ARIMA（自回归移动平均）模型从理论上学习这些概念以及它们在python中的实现介绍时间序列（从现在起称为TS）被认为是数据科学领域中鲜为人知的技能之一
·2021-04-01 22:21

Python和R使用指数加权平均(EWMA)，ARIMA自回归移动平均模型预测时间序列

p=21773概述学习创建时间序列预测的步骤关注Dickey-Fuller检验和ARIMA（自回归移动平均）模型从理论上学习这些概念以及它们在python中的实现介绍时间序列（从现在起称为TS）被认为是数据科学领域中鲜为人知的技能之一
·2021-04-01 22:29

Python用ARIMA和SARIMA模型预测销量时间序列数据

p=21573介绍ARIMA模型是时间序列预测中一种常用的统计方法。指数平滑和ARIMA模型是时间序列预测中应用最为广泛的两种方法，它们是解决这一问题的补充方法。
·2021-03-25 00:18

Python用ARIMA和SARIMA模型预测销量时间序列数据

p=21573介绍ARIMA模型是时间序列预测中一种常用的统计方法。指数平滑和ARIMA模型是时间序列预测中应用最为广泛的两种方法，它们是解决这一问题的补充方法。
·2021-03-24 19:15

Python用ARIMA和SARIMA模型预测销量时间序列数据

p=21573介绍ARIMA模型是时间序列预测中一种常用的统计方法。指数平滑和ARIMA模型是时间序列预测中应用最为广泛的两种方法，它们是解决这一问题的补充方法。
拓端研究室·2021-03-24 15:25

R语言线性回归和时间序列分析北京房价影响因素可视化案例

然而，我不打算使用任何arima模型；相反，我将使用数据的特性逐年拟合回归。结构如下：数据准备：将数值特征转换为分类；缺失值EDA:对于数值特征和分类特征:平
·2021-03-18 18:47

R语言线性回归和时间序列分析北京房价影响因素可视化案例

然而，我不打算使用任何arima模型；相反，我将使用数据的特性逐年拟合回归。结构如下：数据准备：将数值特征转换为分类；缺失值EDA:对于数值特征和分类特征:平
·2021-03-18 18:42

R语言使用ARIMA模型预测股票收益时间序列

在这篇文章中，我们将介绍流行的ARIMA预测模型，以预测股票的收益，并演示使用R编程的ARIMA建模的逐步过程。时间序列中的预测模型是什么？
·2021-03-13 20:56

R语言使用ARIMA模型预测股票收益时间序列

在这篇文章中，我们将介绍流行的ARIMA预测模型，以预测股票的收益，并演示使用R编程的ARIMA建模的逐步过程。时间序列中的预测模型是什么？
·2021-03-13 20:59

Python | ARIMA时间序列模型预测航空公司的乘客数量

原文链接：http://tecdat.cn/?p=20742时间序列被定义为一系列按时间顺序索引的数据点。时间顺序可以是每天，每月或每年。以下是一个时间序列示例，该示例说明了从1949年到1960年每月航空公司的乘客数量。时间序列预测时间序列预测是使用统计模型根据过去的结果预测时间序列的未来值的过程。一些示例预测未来的客户数量。解释销售中的季节性模式。检测异常事件并估计其影响的程度。估计新推出的产
·2021-03-10 21:35

Python | ARIMA时间序列模型预测航空公司的乘客数量

原文链接：http://tecdat.cn/?p=20742时间序列被定义为一系列按时间顺序索引的数据点。时间顺序可以是每天，每月或每年。以下是一个时间序列示例，该示例说明了从1949年到1960年每月航空公司的乘客数量。时间序列预测时间序列预测是使用统计模型根据过去的结果预测时间序列的未来值的过程。一些示例预测未来的客户数量。解释销售中的季节性模式。检测异常事件并估计其影响的程度。估计新推出的产
·2021-03-09 22:40

拓端tecdat：Python | ARIMA时间序列模型预测航空公司的乘客数量

原文链接：http://tecdat.cn/?p=20742原文出处：拓端数据部落公众号时间序列被定义为一系列按时间顺序索引的数据点。时间顺序可以是每天，每月或每年。以下是一个时间序列示例，该示例说明了从1949年到1960年每月航空公司的乘客数量。时间序列预测时间序列预测是使用统计模型根据过去的结果预测时间序列的未来值的过程。一些示例预测未来的客户数量。解释销售中的季节性模式。检测异常事件并估计
拓端研究室·2021-03-03 13:51

R语言ARIMA，SARIMA预测道路交通流量时间序列分析:季节性、周期性

原文链接：http://tecdat.cn/?p=20434本文从实践角度讨论了季节性单位根。我们考虑一些时间序列)，例如道路上的交通流量，>plot(T,X,type="l")>reg=lm(X~T)>abline(reg,col="red")如果存在趋势，我们应该将其删除，然后处理残差>Y=residuals(reg)>acf(Y,lag=36,lwd=3)我们可以看到这里有一些季节性。第一个
·2021-02-24 10:20

ARIMA模型预测CO2浓度时间序列-python实现

在本教程中，我们将首先介绍和讨论自相关，平稳性和季节性的概念，然后继续应用最常用的时间序列预测方法之一，称为ARIMA。Python中可用的一种用于建模和预测时间序列的未来点的方法称为SARIMAX，
·2021-02-24 10:15

R语言ARIMA，SARIMA预测道路交通流量时间序列分析:季节性、周期性

原文链接：http://tecdat.cn/?p=20434本文从实践角度讨论了季节性单位根。我们考虑一些时间序列)，例如道路上的交通流量，>plot(T,X,type="l")>reg=lm(X~T)>abline(reg,col="red")如果存在趋势，我们应该将其删除，然后处理残差>Y=residuals(reg)>acf(Y,lag=36,lwd=3)我们可以看到这里有一些季节性。第一个
·2021-02-23 15:14

R语言ARIMA，SARIMA预测道路交通流量时间序列:季节性、周期性

原文链接：http://tecdat.cn/?p=20434本文从实践角度讨论了季节性单位根。我们考虑一些时间序列，例如道路上的交通流量，>plot(T,X,type="l")>reg=lm(X~T)>abline(reg,col="red")如果存在趋势，我们应该将其删除，然后处理残差>Y=residuals(reg)>acf(Y,lag=36,lwd=3)我们可以看到这里有一些季节性。第一个策
拓端研究室·2021-02-23 11:53

ARIMA模型预测CO2浓度时间序列-python实现

在本教程中，我们将首先介绍和讨论自相关，平稳性和季节性的概念，然后继续应用最常用的时间序列预测方法之一，称为ARIMA。Python中可用的一种用于建模和预测时间序列的未来点的方法称为SARIMAX，
·2021-02-22 17:14

ARIMA模型预测CO2浓度时间序列-python实现

在本教程中，我们将首先介绍和讨论自相关，平稳性和季节性的概念，然后继续应用最常用的时间序列预测方法之一，称为ARIMA。Python中可用的一种用于建模和预测时间序列的未来点的方法称为SARIMAX，
拓端研究室·2021-02-22 15:22

使用R语言对S＆P500股票指数进行ARIMA + GARCH交易策略

通过组合ARIMA和GARCH模型，从长期来看，我们可以超过“买入并持有”方法。
·2021-02-20 01:57

使用R语言对S＆P500股票指数进行ARIMA + GARCH交易策略

通过组合ARIMA和GARCH模型，从长期来看，我们可以超过“买入并持有”方法。
·2021-02-20 01:18

基于R语言时间序列分析所有指令[2021]

文章主要是总结一学期所学，基本覆盖了所有常见的指令，足够完成arima模型的数据选择到模型预测。时间序列应用广泛，不能仅仅局限于理论学习，代码实践更为重要。
Windalove·2021-02-13 18:57

基于 ARIMA-GARCH 模型人名币汇率分析与预测[论文完整][2020年]

文章主要是总结一学期所学，完成的基于ARIMA-GARCH模型人名币汇率分析与预测。为了防止抄袭搬运，文章中不附带代码、摘要、数据。如有需要完整论文及代码数据便于参考学习可评论、私信。
Windalove·2021-02-12 17:17

时序数据预测：ARIMA

本文尝试应用ARIMA时间序列模型对具有明显季节规律的月度时序数据进行预测，样本数据来源于本人项目工作中的某地区某行业电量（已脱敏处理），外加搜集了部分外部宏观经济、气象数据，时间跨度2017年1月至今
Elsie678·2021-02-02 19:20

r语言 python 股票_R语言使用ARIMA模型预测股票收益

在这篇文章中，我们将介绍流行的ARIMA预测模型，以预测股票的收益，并演示使用R编程的ARIMA建模的逐步过程。时间序列中的预测模型是什么？
毛琳Michael·2021-01-30 07:40

2021MathorCup高校数学建模挑战赛——大数据竞赛的一些想法总结

文章目录1前言2数据预处理2.1数据文件的分割2.2数据文件的去重3问题一的求解3.1数据提取3.2去除数据异常值3.3数据格式化3.4数据集的插值3.5ARIMA模型进行短期预测4问题二的求解4.1人工神经网络
尘埃小小鱼·2021-01-21 17:17

深度学习方法在负荷预测中的应用综述（论文阅读）

此外，PDRNN方法与ARIMA方法相比有很大的降低，达到了19.2%。而使用带有k-means的CNN相比于只使用CNN，下降百分比也达到了12.3%。
Cyril_KI·2021-01-19 22:17

使用python的statsmodels模块拟合ARIMA模型

fromscipyimportstatsimportpandasaspdimportmatplotlib.pyplotaspltimportstatsmodels.apiassmfromstatsmodels.tsa.arima.modelimportARIMAfromstatsmodels.graphics.tsaplotsimportplot_predictplt.rcPara
江姐vior·2021-01-19 13:20

arima模型matlab实现_matlab预测ARMA-GARCH 条件均值和方差模型

nasdaq=DataTable.NASDAQ;r=price2ret(nasdaq);N=length(r);model=arima('ARLags'1,'Varian
巧笑倩兮Evelina·2021-01-18 10:55

r语言没有forecast这个函数_R语言使用ARIMA模型预测股票收益

在这篇文章中，我们将介绍流行的ARIMA预测模型，以预测库存的回报，并演示使用R编程的ARIMA建模的逐步过程。时间序列中的预测模型是什么？
weixin_39610366·2021-01-14 07:01

R语言拟合ARIMA模型

对于时间序列数据，常常需要用ARIMA模型作出拟合。本文使用R语言对客运量数据作出ARIMA拟合，提供一个一般化的ARIMA模型模板。
江姐vior·2021-01-13 20:15

arima模型matlab实现_使用ARIMA模型进行的短时交通流预测和结果分析

首先要讲的是，在短时交通流预测领域，ARIMA模型是一种相当粗糙的基于时间序列的预测方法，相应地，这种预测方法的准确性也不高。
aragakikun·2021-01-10 21:07

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

原文链接：http://tecdat.cn/?p=18860简介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。时序分析有两种方法，即频域和时域。前者主要基于傅立叶变换，而后者则研究序列的自相关，并且使用Box-Jenkins和ARCH/GARCH方法进行序列的预测。本文将提供使用时域方法对R环境中的金融时间序列进行分析和建模的过
拓端研究室·2020-12-29 15:56

arima模型的建模步骤_R语言时间序列分析（十二）：ARIMA

作者：黄天元，复旦大学博士在读，热爱数据科学与开源工具（R），致力于利用数据科学迅速积累行业经验优势和科学知识发现，涉猎内容包括但不限于信息计量、机器学习、数据可视化、应用统计建模、知识图谱等，著有《R语言数据高效处理指南》（《R语言数据高效处理指南》(黄天元)【摘要书评试读】-京东图书，《R语言数据高效处理指南》(黄天元)【简介_书评_在线阅读】-当当图书）。知乎专栏：R语言数据挖掘。邮箱：hu
心理咨询师大萌·2020-12-29 13:24

arima模型 matlab_R语言时间序列：ARIMA / GARCH模型的交易策略在外汇市场预测应用...

我们想了解自回归移动平均值（ARIMA）和广义自回归条件异方差（GARCH）模型。它们在量化金融文献中经常被引用。接下来是我对这些模型的理解，基于拟合模型的预测的一般拟合程序和简单交易策略的摘要。
绾绾睡醒了·2020-12-29 13:36

R语言用ARIMA模型预测巧克力的兴趣趋势时间序列

序列如下>report=read.csv(url,skip=6,header=FALSE,nrows=636)>plot(X,type="l")每月建立一个ARIMA模型比每周建立一个容易。
拓端研究室·2020-12-28 17:06
上一页 9 10 11 12 13 14 15 16 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他