ARIMA

基于ARIMA、SVM、随机森林销售的时间序列预测

原文链接http://tecdat.cn/?p=1130如今DT(Datatechnology)时代，数据变得越来越重要，其核心应用”预测“也成为互联网行业以及产业变革的重要力量。对于零售行业来说，预测几乎是商业智能（BI）研究的终极问题，单纯从机器学习的角度来说，做到精准预测很容易，但是结合业务提高企业利润却很难。预测精确性是核心痛点。业务挑战针对服装这类的时尚产业的客户需求，我们参考ZARA，
LT_Ge·2020-08-05 23:21

Python时间序列分析（ARIMA模型回归，决策树二分类）

文章目录1.时间序列1.1date_range1.2truncate过滤1.3Timestamp，Period，Timedelta1.4时间转换1.5period_range1.6指定索引1.7时间戳Timestamp和时间周期period转换1.8时间序列插值2.股价预测（回归）2.1查看数据2.2取Close列每周的平均值2.3Close列每周的平均值绘制折线图2.4一阶分差，提高平稳性2.5
王大阳_·2020-08-04 07:15

机器学习实战3.5之预测股票走势

importpandasaspdimportpandas_datareaderimportdatetimeimportmatplotlib.pylabaspltimportseabornassnsfrommatplotlib.pylabimportstylefromstatsmodels.tsa.arima_modelimportARIMAfromstatsmodels.graphics.tsap
进击的小杨人·2020-08-04 06:43

Python时间序列中ADF检验详解

转自：https://pengfoo.com/post/machine-learning/2017-01-24Abstract在ARMA/ARIMA这样的自回归模型中，模型对时间序列数据的平稳是有要求的
学渣渣_宇·2020-08-04 06:24

python时间序列（ARIMA）分析步骤

data=pd.read_excel(r'C:\Users\Administrator\Desktop\arima_data.xls',index_col='日期')data.plot()单调递增的，不平稳单位根检验下
data_dog·2020-08-04 06:26

MATLAB时间序列2（ARIMA,季节性序列及其预报）------2019/8/14

时间序列(时间序列模型只适合短时期预测，不适合长时期)平稳时间序列1）平稳性检验及自协方差函数、自相关函数的估计  1．平稳性Daniel检验x0=[1.372.961.913.102.082.544.073.622.911.943.964.192.713.423.023.542.664.114.253.76];x0=x0';x0=x0(:)';n=length(x0);alpha=0.05[xs
立里∑·2020-08-03 23:14

时间序列分析：ARIMA模型

1TR1MvQRS1tt_Q9dXHaTIqg1.画出时间序列图：importpandasaspdimportmatplotlib.pyplotaspltimportnumpyasnpexcelFile='arima_data.xls
古杜且偲·2020-08-03 23:26

【时间序列】AR-MA-ARMA-ARIMA是什么？

2.1AR（autoregression）2.2MA（movingaverage）2.3ARMA（autoregressionmovingaverage）2.4平稳序列建模3非平稳时间序列分析3.1差分3.2ARIMA1
饥饿的菜鸟·2020-08-03 23:56

时间序列模式（ARIMA）---Python实现

时间序列分析的主要目的是根据已有的历史数据对未来进行预测。如餐饮销售预测可以看做是基于时间序列的短期数据预测，预测的对象时具体菜品的销售量。1.时间序列算法：常见的时间序列模型;2.时序模型的预处理1.对于纯随机序列，也称为白噪声序列，序列的各项之间没有任何的关系，序列在进行完全无序的随机波动，可以终止对该序列的分析。2.对于平稳非白噪声序列，它的均值和方差是常数。ARMA模型是最常用的平稳序列拟
蜘蛛侠不会飞·2020-08-03 23:45

Python时间序列--股票预测（七）

importpandasaspdimportdatetimeimportpandas_datareader.dataaswebimportmatplotlib.pyplotaspltimportseabornassnsfromstatsmodels.tsa.arima_modelimportARIMAfromstatsmodels.graphics.tsaplotsimportplot
jaffe_wei·2020-08-03 18:42

利用时间序列模型进行股价趋势分析——tushare获取股价信息

20importtushareastsimportpandasaspdimportnumpyasnpimportdatetimefromdateutil.parserimportparseimportmatplotlib.pyplotaspltimportseabornassnsfromstatsmodels.tsa.arima_model
诶呀吗_Bug·2020-08-03 11:52

用python进行时间序列分析（一）

—创建时间序列3.truncate()过滤函数4.时间戳可以转化为时间周期二、数据重采样三、pandas滑动窗口1.制作pandas滑动窗口2.数据可视化四、数据平稳性与差分法1.平稳性2.差分法五、ARIMA
英雄不问出处Prome·2020-08-03 11:12

时间序列之ARIMA模型原理

ARIMA模型时间序列模型的意义：在经典的回归模型中，主要是通过回归分析来建立不同变量之间的函数关系（因果关系），以考察事物之间的联系。
小智rando·2020-08-03 03:08

时间序列--重要变量选择

之前我们说的ARIMA直接套用就可以，因为包里面自动把它化成t-1,t-2。。。
上进的菜鸟·2020-08-03 01:45

27、python时间序列预测（ARIMA模型案例代码）

目录1、模型识别01主要的模型02截尾和拖尾03如何判断拖尾和截尾2、时间序列算法公式3、详细步骤01平稳性检验（adf检验）02对数据进行差分构造平稳序列03平稳性监测04白噪声检验05定阶06模型预测4、案例代码1、模型识别01主要的模型AR（P）模型（AutoregressiveModel）自回归模型描述的是当前值与历史值之间的关系MA（q）模型（MovingAverageModel）移动平
UP Lee·2020-07-31 22:58

使用Python为时间序列预测创建ARIMA模型

如何在Python中为时间序列预测创建ARIMA模型ARIMA模型是一种流行且广泛使用的时间序列预测统计方法。
Together_CZ·2020-07-30 11:06

数学建模神器——Facebook时间序列预测库Prophet

本来最开始想到的是灰色预测或者ARIMA时间序列模型，结果无意之中发现了非常强大的Facebook开源的Prophet时间序列预测工具，操
xylbill97·2020-07-30 06:57

AR、MA、ARMA和ARIMA模型------时间序列预测

ARMA模型的全称是自回归移动平均模型，它是目前最常用的拟合平稳序列的模型。它又可以细分为AR模型、MA模型和ARMA三大类。都可以看做是多元线性回归模型。AR模型具有如下结构的模型称为阶自回归模型，简记为。即在t时刻的随机变量的取值是前期的多元线性回归，认为主要是受过去期的序列值的影响。误差项是当期的随机干扰，为零均值白噪声序列，平稳AR模型的性质如下所示：1）均值对满足平稳性条件的模型的方程，
Lavender-csdn·2020-07-29 05:25

时间序列----ADF检验

ADF检验在ARMA/ARIMA这样的自回归模型中，模型对时间序列数据的平稳是有要求的，因此，需要对数据或者数据的n阶差分进行平稳检验，而一种常见的方法就是ADF检验，即单位根检验实例说明：x=np.arange
愤进的蜗牛·2020-07-28 22:04

python统计学习方面的包--statsmodels

时间序列分析：AR，ARMA，ARIMA，VAR和其它模型
super_he_pi·2020-07-28 12:16

时间序列分析中的ARMA，ARIMA，ARC…

Source：http://www.morefund.com/a/duichongshidian/2011/0422/327.html在时间序列分析中，AR，MA，ARMA，ARIMA，ARCH，GARCH
sharedpointer·2020-07-28 11:33

statsmodels笔记

这其中分为stattools，ar_model.AR,arima_model，vector_ar等等。stattools包含统计方法，如自相关系数，偏自相关系数等等（此处需要再补充）1.
qsefrdwa·2020-07-28 10:55

新人小白的第一次天池比赛感受

本人尝试过Arima模型，lstm模型，rnn模型和很牛逼的STL分解。由于本人是个半路出家的大二小白，很多东西也不是很懂。大致谈下我的感受。一上来搜索了好多别人的代码，弄来弄去，也没啥出路。
qq_42686063·2020-07-28 09:55

Python实现时间序列中的ARIMA模型(学习笔记)

文章目录ARIMA模型ARMA模型ARMA模型基本步骤平稳检验数据差分ACF和PACFACFPACF代码实现本篇文章仅为学习笔记，阅读本文章您很难获得收获。
HarvestII·2020-07-27 09:33

Python statsmodels库ARIMA时间序列预测

bin/envpython3#-*-coding:utf-8-*-"""https://www.howtoing.com/a-guide-to-time-series-forecasting-with-arima-in-python
Sebastien23·2020-07-15 18:52

根据ARIMA的ACF和PACF图得到相应的pq值

Date:2019-07-07最近在使用ARIMA模型进行时间序列上的预测算法的构建，其理论参考如下博客：时间序列预测模型-ARIMA模型什么是ARIMA模型ARIMA模型的全称叫做自回归移动平均模型，
Jasminexjf·2020-07-15 17:40

时间序列ARIMA模型

时间序列ARIMA模型（预测模型）1.数据平稳性与差分法A.平稳性平稳性就是要求经样本时间序列所得到的拟合曲线在未来一段期间内仍能顺着现有的形态“惯性”地延续下去；平稳性要求样本时间序列的均值和方差不发生明显变化严平稳
Denver_Liao·2020-07-15 06:39

R数据分析包

tree聚类：系统聚类：hclust快速系统聚类：fastclusterK-means聚类：kmeans聚类-距离：dist函数proxy（dist）关联规则：apriori算法：arules时间序列：arima
-Shonna-·2020-07-15 00:21

python时间序列ARIMA的实现及原理（预测茅台股票数据）

ARIMA模型由（AR模型I差分MA模型）三部分组合而成。这里我使用scipy库的方法来简单实现，其中的底层代码就不再累述。
不论如何未来很美好·2020-07-14 18:52

时间序列概念及主要模型（白噪声，AR, MA, ARMA, ARIMA）

按照一定时间间隔取得的一系列观测值怎样做时间序列分析时间序列分析尝试找出序列值在过去呈现的特征模式，假定这种模式在未来能够持续，进而对未来进行预测时间序列基本特征：趋势性，序列相关性，随机性时间序列模型预测方法：算术平均法，移动平均法，加权移动平均法，指数平滑法，自回归法和移动平均法（ARIMA
tomwang0322·2020-07-13 19:50

R学习笔记（2）——SARIMA模型

昨天做完ARIMA的模型，由于对于其中seasonal部分的不理解，外加我的用电负荷模型应该满足一个季节特征，因此得到建议去了解一下SARIMA模型先看相关教程：《R语言时间序列分析》memo：（1）将数据从文本文件中读取
qqqqq1993qqqqq·2020-07-13 12:51

时间序列模型（ARIMA和ARMA）完整步骤详述

老师作业要求，实现ARMA和ARIMA模型的基本全过程和最后结果。
Foneone·2020-07-13 04:52

用python做时间序列预测九：ARIMA模型简介

本篇介绍时间序列预测常用的ARIMA模型，通过了解本篇内容，将可以使用ARIMA预测一个时间序列。什么是ARIMA？
程序员一一涤生·2020-07-13 02:34

ARIMA

1.简介&基础知识ARIMA是典型的时间序列模型，其由三部分组成：AR模型（自回归模型）和MA模型（滑动平均模型），以及差分的阶数I，因此ARMA称为自回归滑动平均模型。
weixin_43178406·2020-07-12 12:06

时间序列分析关键理论知识点整理

目录一、时间序列的组合成分二、常用时序算法及适应范围三、拖尾和截尾四、ARIMA模型的分类4.1自回归模型4.2移动平均模型4.3自回归移动平均模型4.4单整自回归移动平均模型五、ARIMA模型的建立、
积跬步，慕至千里·2020-07-12 12:26

ARIMA模型简介以及Python示例

设观测时间序列{Z1,Z2,Z3,...,Zn}\{Z_1,Z_2,Z_3,...,Z_n\}{Z1,Z2,Z3,...,Zn}平稳过程序列满足三个条件：均值恒定。E(Zt)=μE(Z_t)=\muE(Zt)=μ方差恒定。Var(Zt)=σ2Var(Z_t)=\sigma^2Var(Zt)=σ2协方差仅与时滞k相关。即Cov(Zt,Zt+k)Cov(Z_t,Z_t+k)Cov(Zt,Zt+k)仅是
slx_share·2020-07-11 23:14

Python手册(Machine Learning)--statsmodels(TimeSeries)

TimeSeriesTimeSeriesanalysistsa(时间序列分析)常用模型ARIMA模型运用的流程Example:ARMAexample:SunspotsdataTimeSeriesAnalysisbyStateSpaceMethodsstatespace
WilenWu·2020-07-11 20:31

Python手册(Machine Learning)--statsmodels(GettingStarted)

时间序列分析：AR，ARMA，ARIMA，VAR和其它模型。非参数方法：核密度估计，核回归。统计模型结果可视化。statsmodels更关注统计推断，提供不确定估计和参数p-val
WilenWu·2020-07-11 20:59

时间序列数据分析--Time Series--时序模型--ARIMA

ARIMA模型参数选择检查序列是否平稳若不平稳，使用差分平稳化序列，确定差分阶数dARMA定阶通过PACF确定AR的阶数p通过ACF确定MA的阶数q根据参数p,d,q建立模型ARIMA(p,d,q)#ARIMA
bboysky45·2020-07-11 15:15

ARIMA

目录ARIMA1.AR/MA/ARMA/ARIMA1.1AR-自回归模型(AutoregressionModel)1.2MA-移动平均模型(MovingAverageModel)1.3ARMA-自回归移动平均模型
YTea·2020-07-11 02:52

ARIMA学习

目录1ARIMA理论介绍1.1模型构成1.1.1AR模型1.1.2MA模型1.1.3ARMA模型1.1.4I差分1.2模型定阶2模型分析2.1是否选择ARIMA模型2.1.1Prophet2.1.2holt-winter
酒中仙1225·2020-07-10 12:19

时序分析-季节因素

目录1时序分析的基础1.1简介1.2分类2分析套路3主流时序分析模型3.1移动平均3.2指数平滑法3.3组合模型3.4ARIMA4研究细分领域4.1异常值检测4.2季节序列分析4.1同期平均法4.1.1
酒中仙1225·2020-07-10 12:19

基于Python3的arima模型训练——出现类型转换报错

model=ARIMA(stock_train,order=(2,1,2),freq=None)result=model.fit()报错信息：Cannotcastufuncsubtractoutputfromdtype
sunys312·2020-07-10 03:55

python中使用 ARIMA是出现类型转换错误的解决办法

0.出现错误处的相关代码：model=ARIMA(ts,order=(2,1,0))result_AR=model.fit(disp=-1)plt.plot(ts_log_diff)plt.plot(result_AR.fittedvalues
广埠屯小拉登·2020-07-09 16:36

ARIMA模型（股价趋势预测）

一、ARIMA模型的含义ARIMA模型包括了三部分：AR+I+MA，ARIMA模型针对非平稳时间序列模型，如果非平稳时间序列要建立ARMA模型，首先必须经过差分转换为平稳时间序列，然后建立ARMA模型。
诶呀吗_Bug·2020-07-08 19:36

Python时间序列实战之ARIMA股票预测

前两篇博客我们讨论了如何处理时间序列数据以及怎样应用ARIMA模型进行预测，此篇我们来分析一下近几年的股票数据，然后用ARIMA模型做一下预测。
Reclusiveman·2020-07-08 01:04

Python时间序列处理之ARIMA模型

ARIMA模型ARIMA模型的全称是自回归移动平均模型，是用来预测时间序列的一种常用的统计模型，一般记作ARIMA(p,d,q)。ARIMA的适应情况ARIMA模型相对来说比较简单易用。
Reclusiveman·2020-07-08 01:04

基于Python的ADF单位根检验方法——时间序列平稳检验

目录[隐藏]Abstract平稳随机过程肉眼检验单位根检验ADFTestinPythonReferenceAbstract在ARMA/ARIMA这样的自回归模型中，模型对时间序列数据的平稳是有要求的，因此
*MuYu*·2020-07-07 23:31

机器学习-1 用ARIMA预测裙摆长度 python版

第一次做机器学习，选了个最简单的，并附上python代码参考R语言版：https://www.cnblogs.com/ECJTUACM-873284962/p/7379717.html——2018年12月问题描述裙摆长度和经济学的关系有个专门的名词叫做“裙摆指数”(HemlineIndex)，这个理论由经济学家乔治·泰勒(GeorgeW.Taylor)在1926年首次提出，他发现，女性的裙摆越长，
mooe1011·2020-07-07 17:42

R语言金融波动率建模|基于SGED分布的变参数ARIMA+EARCH动态预测模型的研究

基于SGED分布的变参数ARIMA+EARCH动态预测模型
R语言中文社区·2020-07-07 12:31
上一页 12 13 14 15 16 17 18 19 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他