数学建模深度学习核心技术精讲100篇(八十三)-时间序列分解和预测

Posted 文宇肃然

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了数学建模深度学习核心技术精讲100篇(八十三)-时间序列分解和预测相关的知识,希望对你有一定的参考价值。

预测是一件复杂的事情,在这方面做得好的企业会在同行业中出类拔萃。时间序列预测的需求不仅存在于各类业务场景当中,而且通常需要对未来几年甚至几分钟之后的时间序列进行预测。如果你正要着手进行时间序列预测,那么本文将带你快速掌握一些必不可少的概念。

目录

  • 什么是时间序列?

  • 如何在Python中绘制时间序列数据?

  • 时间序列的要素是什么?

  • 如何分解时间序列?

  • 经典分解法

  • 如何获得季节性调整值?

  • STL分解法

  • 时间序列预测的基本方法:

  • Python中的简单移动平均(SMA)

  • 为什么使用简单移动平均?

  • Python中的加权移动平均(WMA)

  • Python中的指数移动平均(EMA)

什么是时间序列?

顾名思义,时间序列是按照固定时间间隔记录的数据集。换句话说,以时间为索引的一组数据是一个时间序列。请注意,此处的固定时间间隔(例如每小时,每天,每周,每月,每季度)是至关重要的,意味着时间单位不应改变。别把它与序列中的缺失值混为一谈。我们有相应的方法来填充时间序列中的缺失值。

在开始使用时间序列数据预测未来值之前,思考一下我们需要提

以上是关于数学建模深度学习核心技术精讲100篇(八十三)-时间序列分解和预测的主要内容,如果未能解决你的问题,请参考以下文章

深度学习核心技术精讲100篇(八十一)-NLP预训练模型ERNIE实战应用案例

深度学习核心技术精讲100篇(八十五)-Dask 分布高性能计算深入讲解

深度学习核心技术精讲100篇(八十)-脏数据如何处理?置信学习解决方案

深度学习核心技术精讲100篇(八十)-脏数据如何处理?置信学习解决方案

深度学习核心技术精讲100篇(八十二)-Statsmodels线性回归看特征间关系

深度学习核心技术精讲100篇(五十三)-机器学习中的隐私保护