(Python)时序预测的七种方法

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 :