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