(Python)时序预测的七种方法
2018-02-24 00:00
836 查看
介绍
大多数人都听说过关于Cryptocurrency,许多人也许会投资他们的加密货币。但是,投资这种不稳定的货币安全吗?怎样才能确保现投资这些硬币未来一定能带来稳定的收益呢?我们不能确定,但肯定能根据以前的价格产生一个近似值。时序模型是预测的一种方法。除了加密货币,还有许多重要的应用时序预测的领域,例如:销售预测,呼叫中心的通话量,太阳的活动,海潮,股市行为等等。
目录
理解问题描述和数据集安装库
方法 1 –以简单的方式开始
方法2 – 简单平均数
方法3 – 移动平均数
方法 4 –指数平滑法
方法5 – Holt线性趋势法
方法6 – Holt冬季季节法
方法7 –综合自回归移动平均法(ARIMA)
理解问题描述和数据集
提供了涉及预测JetRail通勤人数的时序问题,一个新的高速铁路服务。我们提供了2年的数据,并利用这些数据预测未来7个月的通勤人数。在本文中,只使用训练数据集。
从以上的报表上看到,我们有2年的按小时计的通勤数据(2012-2014),需要预估未来的通勤数量。
在本文中,我构造子集和汇总数据集以便讲解不同的方法。
构造数据集的子集 (2012/08 – 2013/12)
为建模构造训练和测试文件。前14个月的数据被用作训练数据(2012/08 - 2013/10),后两个月的被用作测试数据(2013/11 - 2013/12)。
每天汇总数据集。
把数据(用于训练的和测试的)可视化,以了解在一段时间内是如何变化的。
安装库(statsmodels)
用来进行时序预测的库是statsmodels。在应用很少的给定方法之前,需要安装一下。statsmodels可能已经安装在你的Python开发环境了,但它不支持的预测方法。我们将从存储库克隆一下并进行源码安装。按照如下步骤 :相关文章推荐
- (Python)时序预测的七种方法
- (Python)时序预测的七种方法
- python 七种邮件内容发送方法实例
- python 七种邮件内容发送方法实例
- python中使用超参数估计法结合特征筛选的方法提升决策树的预测性能
- python 七种邮件内容发送方法实例
- python 七种邮件内容发送方法实例
- R+python︱Facebook大规模时序预测『真』神器——Prophet(遍地代码图)
- python 七种邮件内容发送方法实例
- 使用python+sklearn的决策树方法预测是否有信用风险
- 时序预测(网络流量预测)方法调研总结
- 时序预测(网络流量预测)方法调研总结
- 天池大数据竞赛口碑商家客流量预测——时序预测(python-numpy-arima)
- LSTM模型分析及对时序数据预测的具体实现(python实现)
- LSTM模型分析及对时序数据预测的具体实现(python实现)
- python 七种邮件内容发送方法实例
- Python splitlines()方法
- Python面向对象编程中关于类和方法的学习笔记
- python中文乱码的解决方法
- python升级的方法