时间序列预测模型
发布日期:2021-07-01 02:16:25
浏览次数:2
分类:技术文章
本文共 556 字,大约阅读时间需要 1 分钟。
AR、MA、ARMA、ARIMA模型介绍
时间序列预测模型
时间序列分析模型建立了 观察结果 与 时间变化 的关系,能帮我们预测未来一段时间内的结果变化情况。
时间序列和逻辑回归的区别
首先,在选择模型前,我们需要确定结果与变量之间的关系。 回归分析训练得到的是目标变量 y 与自变量 x(一个或多个)的相关性,然后通过新的自变量 x 来预测目标变量 y。而时间序列分析得到的是目标变量 y 与时间的相关性。
另外, 回归分析擅长的是多变量与目标结果之间的分析 ,即便是单一变量,也往往与时间无关。而 时间序列分析建立在时间变化的基础上 ,它会 分析目标变量的趋势、周期、时期和不稳定因素等 。这些趋势和周期都是在时间维度的基础上,我们要观察的重要特征。
AR 模型
AR 的英文全称叫做 Auto Regressive,中文叫 自回归模型 。这个算法的思想比较简单,它认为过去若干时刻的点通过线性组合,再加上白噪声就可以预测未来某个时刻的点。在我们日常生活环境中就存在白噪声,在数据挖掘的过程中,你可以把它理解为一个期望为 0,方差为常数的纯随机过程。AR 模型还存在一个阶数,称为 AR(p)模型,也叫作 p 阶自回归模型。它指的是通过这个时刻点的前 p 个点,通过线性组合再加上白噪声来预测当前时刻点的值。
转载地址:https://maoli.blog.csdn.net/article/details/91361404 如侵犯您的版权,请留言回复原文章的地址,我们会给您删除此文章,给您带来不便请您谅解!
发表评论
最新留言
关注你微信了!
[***.104.42.241]2024年04月27日 07时47分50秒
关于作者
喝酒易醉,品茶养心,人生如梦,品茶悟道,何以解忧?唯有杜康!
-- 愿君每日到此一游!
推荐文章
scala list
2019-05-01
svn服务器安装
2019-05-01
spark 笔记1
2019-05-01
shell dirname basename
2019-05-01
未来已至,5G加持下的云游戏将走向何方?
2019-05-01
计算机网络 —— 网络层 1.
2019-05-01
Android 之 ContentProvider 与 ContentResolver
2019-05-01
【接口自动化】
2019-05-01
推荐一位川大零基础转行 Python 的人生勇士
2019-05-01
Python解惑之:True与False
2019-05-01
你要的微信小程序终于来了
2019-05-01
有了这些 Chrome 插件,效率提升10倍(建议收藏)
2019-05-01
Python 开发者都会遇到的错误:UnboundLocalError
2019-05-01
只有1%的程序员搞懂过浮点数陷阱
2019-05-01
一名 Google 工程师的大数据处理经验
2019-05-01
命名难,难于上青天
2019-05-01
没钱没公司,怎么做一款付费产品
2019-05-01
代码整洁之道-编写 Pythonic 代码
2019-05-01
树莓派程序开机自启动
2019-05-01