Python-ARIMA

这是一个关于洗发水预测的例子。数据集下载: shampoo.csv 首先,我们将保留最后一年的数据并评估此数据的预测。 鉴于数据是每月一次,这意味着最后12个观测值将用作测试数据。 我们将使用前瞻性验证方法来评估模型性能。 这意味着将枚举测试数据集中的每个时间步,在历史数据上构建模型,并将预测与预期值进行比较。 然后将观察结果添加到训练数据集中并重复该过程。 前瞻性验证是评估时间序列预测模型的现实方法,因为人们可以期望在新观察结果可用时更新模型。 最后,将使用均方根误差或RMSE来评估预测。 RMSE的好...

Continue Reading »
分享到:

R语言学习笔记(5)

本篇主要介绍ARIMA模型及用法。 一、知识回顾 首先,在R语言处理中,处理时间序列常用ts, zoo, xts函数,还有很多时间格式问题。 时间序列的摘要函数 ts函数示例: ts(1:10, frequency = 7, start = c(12, 2)) 1:10是数据序列,frequency是指定这个数据序列的周期是7(每个周期里有7个值),start里接受的两个参数,第一个数12是说这个序列的初始周期序号为12,第二个数2是说这个序列的第一个值是周期中的第2个值。 > print( ts(1:1...

Continue Reading »
分享到: