基于趋势和季节性的时间序列预测实战

文章预览

本文主要分析时间序列的趋势和季节性，分解时间序列，实现预测模型。 时间序列预测是基于时间数据进行预测的任务。它包括建立模型来进行观测，并在诸如天气、工程、经济、金融或商业预测等应用中推动未来的决策。 本文主要介绍时间序列预测并描述任何时间序列的两种主要模式(趋势和季节性)。并基于这些模式对时间序列进行分解。最后使用一个被称为Holt-Winters季节方法的预测模型，来预测有趋势和/或季节成分的时间序列数据。 为了涵盖所有这些内容，我们将使用一个时间序列数据集，包括1981年至1991年期间墨尔本(澳大利亚)的温度。这个数据集可以从这个Kaggle下载，也可以在公众号：「机器学习研习院」 后台回复【墨尔本】下载，其中包含本文的数据和代码。该数据集由澳大利亚政府气象局托管，并根据该局的“默认使用条款”(Open Ac ………………………………

原文地址：访问原文地址
快照地址： 访问文章快照
总结与预览地址：访问总结与预览

相关知识

时间序列预测：轻松拿捏趋势、季节性和周期性
时间序列预测季节性调整：分解方法与应用全解析
时间序列趋势分析：周期性、季节性、节假日效应
一文解读时间序列基本概念
时间序列的季节性：3种模式及8种建模方法
【机器学习】一文解读时间序列基本概念
时间序列分析秘籍：R语言中的timeDate数据包季节性调整指南
【时序列】时序列数据如何一步步分解成趋势（trend）季节性（seasonality）和误差（residual）
R语言高级应用指南：evir包在时间序列分析中的深度运用
重要的数据分析方法：时间序列分析

网址: 基于趋势和季节性的时间序列预测实战 https://www.huajiangbk.com/newsview540366.html