Arima

时间序列数据分析--Time Series--时序模型--ARIMA-股票分析

使用ARIMA模型拟合股票数据ARIMA可拆分为AR,I,MA。
bboysky45·2019-04-17 16:25

数据挖掘 沪深股市预测

导入基本模块库importnumpyasnpimportpandasaspdimportmatplotlib.pyplotaspltfromstatsmodels.tsa.arima_modelimportARMAimportwarningsfromitertoolsimportproductfromdatetimeimportdatetimewarnings.filterwarnings
Protoss_Classic·2019-04-08 09:05

Python时间序列处理之ARIMA模型的使用讲解

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·2019-04-02 17:04

机器学习做多维时间序列预测

另一篇博文地址：时间序列arima预测：https://blog.csdn.net/u014281392/article/details/77585419做时间序列预测，传统模型：比如ARIMA模型，一次只能对一组时间序列数据进行预测
JiangLongShen·2019-03-16 21:21

【keras】利用LSTM进行单变量时间序列预测和多变量时间序列预测

对于较为简单的时间序列预测问题，可以使用ExponentialSmoothing和ARIMA等传统模型非常方便地求解。然而，对于复杂的时间序列预测问题，LSTM不失为一种很好的选择。
CallMeJacky·2019-02-16 17:35

时间序列分析之ADF检验

ADF检验在使用很多时间序列模型的时候，如ARMA、ARIMA，都会要求时间序列是平稳的，所以一般在研究一段时间序列的时候，第一步都需要进行平稳性检验，除了用肉眼检测的方法，另外比较常用的严格的统计检验方法就是
敲代码的quant·2019-02-06 18:09

Time Series Analysis (TSA) in Python-Linear Models to GRACH 笔记（四）

inPython-LinearModelstoGARCH目录AutoregressiveMovingAverageModels-ARMA(p,q)AutoregressiveIntegratedMovingAverageModels-ARIMA
敲代码的quant·2019-01-24 13:48

statsmodels.tsa.arima_model预测时报错TypeError: int() argument must be a string, a bytes-like object or a

在python中用statsmodels创建ARIMA模型进行预测时间序列：importpandasaspdimportstatsmodels.apiassmdf=pd.read_csv("data.csv
水郁·2019-01-19 01:00

双向LSTM在时间序列异常值检测的应用

尝试了xgboost、ARIMA和LSTM三者中，拟合效果最好的是LSTM，简单记录一下建模和调参过程。1.加载
王晓手·2019-01-18 13:00

时间序列模型(ARIMA)

常用的时间序列模型常用的时间序列模型有四种：自回归模型AR(p)、移动平均模型MA(q)、自回归移动平均模型ARMA(p,q)、自回归差分移动平均模型ARIMA(p,d,q),可以说前三种都是ARIMA
宸熠_鹿班·2019-01-17 17:37

使用Prophet进行时间序列预测

文章概要Prophet是Facebook开源的预测工具，相比ARIMA模型，Prophet真的是非常的简单。只要读入两列数据即可完成预测。且在某些环境下预测的准确性不输ARIMA。
gt9000·2019-01-07 11:28

时间序列分析模型——ARIMA模型

姓名：车文扬学号：16020199006转载至：https://www.cnblogs.com/babyfei/p/7001527.html，有删节【嵌牛导读】：什么是ARIMA模型【嵌牛鼻子】：ARIMA
o錯覺_42a1·2019-01-01 22:15

python使用Auto ARIMA构建高性能时间序列模型

ARIMA介绍ARIMA是一种非常流行的时间序列预测统计方法。ARIMA全称是自回归积分滑动平均模型。ARIMA模型基于以下假设：1、数据序列是平稳的，这意味着均值和方差不应该随时间变化。
python语音识别-公众号·2018-12-06 15:37

[译] 基于时序数据的特征工程 --- Python实现

而常用的时序预测模型，比如arima等，添加其他特征时又不方便，不得不求助于经典的监督学习预测模型。本文初步介绍了对时序数据建模时，如何构建有效的特征工程。
phusFuNs·2018-11-10 22:54

时间序列分析预测实战之ARIMA模型

这时候ARIMA模型就登场了，全称是自回归差分移动平均模型，使用这个模型建模，具体的操作步骤如下：1）观察时序的平稳性和随机性；2）选择具体的模型；3）拟合模型；4）根据选定模型进行预测；5）模型评价；
数据蜂鸟·2018-11-09 16:21

时间序列预测模型-ARIMA原理及Python实现！

石晓文，中国人民大学信息学院在读研究生，美团外卖算法实习生1、数据介绍在介绍本篇的内容之前，我们先来看一下本文用到的数据。本文用到的中国银行股票数据下载：http://pan.baidu.com/s/1gfxRFbH。我们先来导入一下我们的数据，顺便画出收盘价数据的折线图：importpandasaspdimportmatplotlib.pyplotaspltChinaBank=pd.read_c
Sim1480·2018-11-02 08:00

ARIMA初探

数据探查importpandasaspdimportnumpyasnpimportmatplotlib.pylabaspltfrommatplotlib.pylabimportrcParams#rcParams设定好画布的大小rcParams['figure.figsize']=15,6path='/Users/***/workspace/Analytics_Vidhya/Articles/Tim
止心回狂·2018-11-01 10:59

ARIMA模型原理及实现

1、数据介绍再介绍本篇的内容之前，我们先来看一下本文用到的数据。本文用到的中国银行股票数据下载：http://pan.baidu.com/s/1gfxRFbH，提取码d3id。我们先来导入一下我们的数据，顺便画出收盘价数据的折线图：importpandasaspdimportmatplotlib.pyplotaspltChinaBank=pd.read_csv('ChinaBank.csv',in
文哥的学习日记·2018-11-01 00:33

ARIMA模型（一）定义与介绍

了解ARIMA模型，就需要先了解数据的一个平稳性。
Merlin17Crystal33·2018-10-30 10:37

XGBoost应用于“时间序列预测问题”实战与疑问（包含dump model的booster分析）

lossfunction的构建4.XGBoost论文的创新点在构建回归树的解释5.XGBoost代码中参数的理论解释疑问池使用源码https://github.com/Jenniferz28/Time-Series-ARIMA-XGBOOST-RNN
Thomas_Cai·2018-10-19 16:54

使用Keras进行LSTM实战

0前言在上文中进行ARIMA时序预测后，了解到强大的LSTM在处理时序预测有更为优秀的表现，因此对LSTM进行了学习。LSTM是一种时间递归神经网络，它出现的原因是为了解决RNN的一个致命的缺陷。
浅笑古今·2018-09-20 15:07

ARIMA模型---时间序列分析---温度预测

（图片来自百度）数据分析数据第一步还是套路------画图数据看上去比较平整，但是由于数据太对看不出具体情况，于是将只取前300个数据再此画图这数据看上去很不错，感觉有隐藏周期的意思代码#coding:utf-8importcsvimportmatplotlib.pyplotaspltdefread_csv_data(aim_list_1,aim_list_2,file_name):i=0csv_
weixin_34143774·2018-09-10 16:00

什么是 ARIMA模型

转自：https://blog.csdn.net/HHXUN/article/details/79858672ARIMA模型的全称叫做自回归移动平均模型，全称是(ARIMA,AutoregressiveIntegratedMovingAverageModel
灰兔子-刘·2018-09-08 14:13

利用时间序列ARMA模型和LSTM算法分析并预测pm2.5值

一、利用ARMA模型数据平稳性分析还是以天为单位分析这五年之内的pm2.5值，并绘制曲线ARIMA模型对时间序列的要求是平稳型，观察图标能看出其没有固定的上升或下降的趋势，粗略判断是平稳序列。
eaeelite·2018-09-07 19:06

利用时间序列ARMA模型和LSTM算法分析并预测pm2.5值

一、利用ARMA模型数据平稳性分析还是以天为单位分析这五年之内的pm2.5值，并绘制曲线ARIMA模型对时间序列的要求是平稳型，观察图标能看出其没有固定的上升或下降的趋势，粗略判断是平稳序列。
eaeelite·2018-09-07 19:06

【时间序列 - 03】ARIMA、ARIMA-ANN（模型融合）

前言：本文主要介绍ARIMA及其模型融合ARIMA-ANN。由于目前对ARIMA还不是很熟悉，先占个坑位，后续有深入学习，再继续完善，望见谅。
Houchaoqun_XMU·2018-09-07 13:51

tensorflow下用LSTM网络进行时间序列预测

在这里总结一下：1.时间序列分析常用的模型有AR,MA,ARIMA,以及RNN和LSTM2.大多数预测模型都能做时间序列分析（主要是如何将已知问题转化为带有时间戳的序列问题）参考：如何将时间序列转换为Python
真梦行路·2018-08-27 10:50

ARIMA——从案列出发，让你彻底懂得时间序列模型

解读导航：文章脉络会先以图问结合的方式，让你理解ARIMA的基本概念和术语，然后以预测下月商品销售额为实例，带你亲临建立时间序列模型的步骤和方法，之后介绍一种很有前瞻性的方法Prophet，最后总结时间序列模型的要点
Li_yi_chao·2018-08-24 16:36

ARIMA时间序列算法

1.检验序列的平稳性（原始序列时序图、原始序列自相关图）判断是平稳序列还是非平稳序列参考：https://www.cnblogs.com/bradleon/p/6832867.html2.平稳序列可以用ARMA模型，非平稳性序列需要进行差分运算，经过差分运算（经过一次是一阶段、经过两次是两阶、、）后将非平稳序列转化成平稳序列并进行白噪声检验，对一阶差分之后的序列再进行平稳性检验，查看是否已经平稳了
璀璨下的一点星辰·2018-08-22 15:31

时间序列预测之--ARIMA模型

https://www.cnblogs.com/bradleon/p/6827109.htmlhttps://www.cnblogs.com/bradleon/p/6832867.html
Michael_Lee_AI·2018-08-21 09:20

时间序列处理方法

时间序列处理方法1、ARIMA模型ARIMA模型，是统计学中的常见对时间序列处理的模型，全称为自回归移动平均模型。ARIMA模型主要有p,d,q三个参数。
rosefun·2018-08-17 14:33

基于Python3 使用ARIMA进行时间序列预测

我们将首先介绍和讨论自相关，平稳性和季节性的概念，并继续应用最常用的时间序列预测方法之一，称为ARIMA。简介：时间序列提供了预测未来价值的机会。
qq_29750461·2018-08-15 14:10

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,'Variance',garch(1,1),.
weixin_34320724·2018-07-26 18:00

基于 Python 的时序模型——AMIRA模型

时间序列分析的目的：给定一个已被观测了的时间序列，预测该序列的未来值ARIMA模型：如果一个时间序列经差分运算后具有平稳性，则该序列为差分平稳序列，可以使用ARIMA模型进行分析。
Carolinedy·2018-07-17 11:05

2.3-非平稳时间序列分析

非平稳序列变为平稳序列（利用差分运算）ARIMA模型的拟合3.1非平稳序列变为平稳序列（利用差分运算）序列显著线性趋势-一阶差分例题11964年—1999年中国纱年产量序列蕴含着一个近似线性的递增趋势。
PzLu·2018-07-12 01:23

基于keras的LSTM时间序列预测

问题3数据分析4数据处理5lstm模型6训练模型7预测结果详细代码见github:https://github.com/pjgao/lstm_helloworld/1简介针对时间序列预测问题传统方法如ARIMA
PIPIXIU·2018-07-11 15:39

时间序列分析之AR、MA、ARMA和ARIMA模型

其中，AR、MA、ARMA以及ARIMA都是较为常见的模型。1、AR(AutoRegressiveModel)自回归模型AR是线性时间序列分析模型中最简单的模型。
敲代码的quant·2018-07-02 15:29

Kaggle(Gun Violence Data)—美国枪支暴力事件分析（2）

1.基本数据整理#-*-coding:utf-8-*-#arima时序模型importpandasaspd#时序图importmatplotlib.pyplotaspltfromplotly.offli
土豆洋芋山药蛋·2018-06-09 23:54

论文笔记(1) : Deep Multi-View Spatial-Temporal Network for Taxi Demand Prediction

出租车需求预测可以帮助城市资源预调度传统方法大部分都利用时序预测的技术现有的深度学习方法只考虑单一的时间(LSTM)或空间(CNN)的维度本文提出一个DMVST-Net，考虑了时间，空间，以及语义的维度2.Introduction传统方法中:ARIMA
维他柠檬茶好喝吗·2018-05-25 20:48

论文笔记(1) : Deep Multi-View Spatial-Temporal Network for Taxi Demand Prediction

出租车需求预测可以帮助城市资源预调度传统方法大部分都利用时序预测的技术现有的深度学习方法只考虑单一的时间(LSTM)或空间(CNN)的维度本文提出一个DMVST-Net，考虑了时间，空间，以及语义的维度2.Introduction传统方法中:ARIMA
维他柠檬茶好喝吗·2018-05-25 20:48

使用tensorflow seq2seq进行时间序列预测

时间序列预测可以根据短期预测，长期预测，以及具体场景选用不同的方法，如ARMA、ARIMA、神经网络预测、SVM预测、灰色预测、模糊预测、组合预测法等等。所谓没有最好的模型，只有最适合的模型。
笛在月明·2018-05-11 16:52

常用时序预测模型的R实现 四

简介这篇讲ARIMA。前一篇谈到ETS的灵感来自于两个极端方案的折中，一个极端是只用最近的一次观测，一个是求平均，折中方案是用指数衰减来用到所有点，同时又给近期观测更高的权重。
想当大侠·2018-05-02 17:31

ARIMA模型介绍

什么是ARIMA模型ARIMA模型的全称叫做自回归移动平均模型，全称是(ARIMA,AutoregressiveIntegratedMovingAverageModel)。
HHXUN·2018-04-08 21:10

ARIMA时间序列预测

AutoregressiveIntegratedMovingAverageModel（自回归移动平均模型）数据要求具有稳定性1）恒定的平均数2）恒定的方差3）不随时间变化的自协方差模型参数--ARIMA
__Gato__·2018-04-08 10:00

拟合与回归——区别与联系

拟合并不特指某一种方法，指的是对一些数据，按其规律方程化，而其方程化的方法有很多，回归只是其中一种方法，还有指数平滑这样简单一些的方法，或者ARIMA，VAR，等等各种复杂一点的方法。
15tch·2018-03-22 21:59

R语言 ARIMA预测时间序列

今天学习ARIMA预测时间序列。指数平滑法对于预测来说是非常有帮助的，而且它对时间序列上面连续的值之间相关性没有要求。
程志伟·2018-03-12 21:16

Python预测股票走势

本文介绍了如何利用时间序列模型ARIMA进行股票走势预测。
老穷酸·2018-02-04 15:20

【挖掘模型】：Python-时间序列趋势预测

#ARIMA模型(只适用于平稳的时间序列)：将非平稳时间序列转化为平稳时间序列，然后将因变量仅随它的滞后值以及随机误差项的
dataheart·2017-12-07 14:44

时间序列模型(ARIMA)

常用的时间序列模型常用的时间序列模型有四种：自回归模型AR(p)、移动平均模型MA(q)、自回归移动平均模型ARMA(p,q)、自回归差分移动平均模型ARIMA(p,d,q),可以说前三种都是ARIMA
熙淺·2017-11-24 14:48

Python数据挖掘建模 chapter_8 时间序列算法

指数平滑法趋势拟合法线性拟合，曲线拟合组合模型受长期趋势，季节变动，周期变动，不规则变动等要素影响AR模型以前q期序列值为自变量MA模型随机变量与前q期随机扰动有关ARMA模型与前q期序列值和随机扰动有关ARIMA
LegendGrass·2017-11-16 18:55
上一页 15 16 17 18 19 20 21 22 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他