Python数据挖掘-时间序列-非季节性时间学分解

Posted 我不要被你记住

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Python数据挖掘-时间序列-非季节性时间学分解相关的知识,希望对你有一定的参考价值。

概念

时间序列(Time Series)

  时间序列是均匀时间间隔上的观测值序列

时间序列分析(Time Series Analysis)

  趋势分析

  序列分解

  序列预测

时间序列分解(Time-Series Decomposition)

  时间写按照季节性来分类,分为季节性时间序列和非季节性时间序列

非季节性时间序列:趋势部分、不规则部分;

季节性时间序列:趋势部分、不规则部分、季节性部分

 

非季节性时间序列分解

MA(Moving Average)

  移动平均是一种简单的平滑技术,他通过在时间写上逐项推移去一定项数的均值,来表现指标的长期变化和发展趋势。

SMA(Simple Moving Average)

  简单移动平局,将时间序列上前n个数值爱做简单的算术平均,最少三个

WMA(Weighted Moving Average)

  加权移动平均,在基于简单移动平均的基础上,对时间序列上前n项的每一项数值赋予相应权重,即加权平均的结果

  基本思想:提升近期的数据、减弱远期数据对当期预测值的影响,使预测值更贴近更近的变化趋势

  

以上是关于Python数据挖掘-时间序列-非季节性时间学分解的主要内容,如果未能解决你的问题,请参考以下文章

Python中的多季节性时间序列分析

如何在python中设置时间变量,季节性

非平稳时间序列预测

Python应用实战案例-一文通读时间序列在Python中的应用

Python应用实战案例-一文通读时间序列在Python中的应用

即使时间序列是固定的并且在 Python 中没有季节性分量,auto_arima 也会返回最佳模型作为 SARIMAX