出版于迈向数据科学 ·4天前 只有会员 时间序列预测Holt的线性趋势指数平滑 弥补了指数平滑模型的趋势 - 在我以前的文章中,我们介绍了用于构建预测模型的指数平滑的想法。指数平滑的要点是,对最近的观察产生更大的重量,而重量则减少了更多的历史性观察。我们引入的第一个模型是简单的指数平滑。“简单”部分是指… 统计数据 5分钟阅读 统计数据 5分钟阅读
出版于迈向数据科学 ·12月9日 只有会员 用简单的指数平滑预测时间序列 指数平滑和在Python中实施的简介以进行预测。- 背景预测区域包含各种各样的模型。在我的上一篇文章中,我们讨论了一些基本的预测技术,这些技术通常为迭代并建立更复杂的模型提供了良好的基础。这些基本模型的一种天然迭代是指数平滑。指数平滑的想法起源于… 统计数据 5分钟阅读 统计数据 5分钟阅读
出版于迈向数据科学 ·12月2日 只有会员 基本时间序列预测技术 概述了一些非常简单的预测模型 - 简介预测是一个广泛的领域,几乎在每个行业中都有许多应用。因此,预测模型的范围也很大,每个模型都有自己的优点和缺点。在本文中,我想介绍一些基本和简单的预测模型。尽管他们很简单... 统计数据 5分钟阅读 统计数据 5分钟阅读
出版于迈向数据科学 ·11月16日 只有会员 预测性能指标的概述 时间序列预测的一些基本性能指标的概述 - 简介您的机器学习或统计模型有许多错误和性能指标。更不用说新的新闻。一个指标并不比另一个度量更好,毕竟它们只是一个数字。但是,选择最适合您的…… 人工智能 5分钟阅读 人工智能 5分钟阅读
出版于迈向数据科学 ·11月15日 只有会员 时间序列分析的部分自相关 描述什么部分自相关及其在时间序列分析中的重要性 - 在我的上一篇文章中引言我们讨论了自相关的概念:时间序列分析的自相关描述什么自相关以及它在时间序列分析中有用。随机变量或数据在不同的时间点(滞后)的相关性。自相关传达了不同滞后的数据的相似性,使我们能够推断出时间序列的一些有趣的功能,例如… 人工智能 4分钟阅读 人工智能 4分钟阅读
出版于迈向数据科学 ·11月11日 只有会员 时间序列分析的自相关 描述什么是自相关以及为什么在时间序列分析中很有用。- 在时间序列分析中引言我们经常推断过去,以产生对未来的预测。为了使这一过程成功,我们必须彻底诊断我们的时间序列才能找到其所有“角落和缝隙”。一种这样的诊断方法是自相关。这有助于我们发现一定的… 数据科学 4分钟阅读 数据科学 4分钟阅读
出版于迈向数据科学 ·10月31日 只有会员 时间序列分解 将时间序列分解为其基本构建块 - 引言在尝试获得洞察力并找到最佳模型以产生未来的预测时,了解您的时间序列是基本的。大多数时间序列都可以分解为不同的组件,以帮助提供功能强大的分析工具的结构化诊断。在这篇文章中,我想讨论… 数据科学 5分钟阅读 数据科学 5分钟阅读
出版于迈向数据科学 ·10月26日 只有会员 时间序列的季节性 季节性如何影响时间序列分析的直觉 - 引言季节性是时间序列分析的关键方面。随着时间序列的时间索引,它们会遭受季节性波动。例如,我们预计冰淇淋在夏季的月份会更高,并且在冬季较低。季节性可以以不同的时间间隔出现,例如… 数据科学 4分钟阅读 数据科学 4分钟阅读
出版于迈向数据科学 ·10月22日 只有会员 时间序列的Box-Cox变换 如何使用Box-Cox转换创建固定时间序列。- 在进行任何时间序列分析或预测时,引言使时间序列固定是必不可少的部分。平稳性确保我们的数据不会随着时间的流逝而统计上变化,因此它可以更准确地类似于概率分布,从而更容易建模。平稳性的一个要求是时间… 数据科学 4分钟阅读 数据科学 4分钟阅读
出版于迈向数据科学 ·10月19日 只有会员 时间序列的平稳性简单地解释了 对于时间序列建模中需要平稳性的简单而直观的解释。- 引言试图预测天气,股票市场或产品销售时,我们必须考虑一定的时间组成部分。例如,当预测明天在英国是否会下雪时,我们知道冬季的概率将比夏季高得多。这种类型… 数据科学 5分钟阅读 数据科学 5分钟阅读