欢迎来到【时间序列分析与预测方法大全】第一篇!
本篇我们会介绍时间序列资料所包含的属性。
先对资料特性有基本认识後,进入到方法和模型时才不会对各种名词产生问号哦~
文章同步连载於笔者个人网站:[IT铁人赛] [Day1] 时间序列分析:时间序列资料属性拆解 (附程序码)
时间序列资料可能会是单变量或多变量的,例如:
不同的变量个数,适合的分析/预测方法不同、模型架构也会随之调整;如果有多个变量,我们就需要关注变量间是否存在相关性。
所有时间序列资料都有 Level 和 Noise 属性, Trend 和 Seasonality 则不一定存在
根据上述 4 种属性,可以组合出不同类型的时间序列:
相加型 (Additive):属性相加所形成的时间序列
相乘型 (Multiplicative):属性相乘所形成的时间序列,可能为二次、高次或指数方程序
import pandas as pd
import matplotlib.pyplot as plt
data_uri = 'https://raw.githubusercontent.com/jbrownlee/Datasets/master/airline-passengers.csv'
data = pd.read_csv(data_uri, header=0, index_col=0)
data.plot()
plt.show();
根据范例中的时间序列资料,我们推测他更像是 Multiplicative 的时间序列类型
from statsmodels.tsa.seasonal import seasonal_decompose
decomposition = seasonal_decompose(data, model='multiplicative')
decomposition.plot()
plt.show();
由 decomposition plot 可以看到我们的范例时序资料,呈现出了以下特性:
如果你喜欢本系列的整理,还请帮我按赞本文&订阅我的主题哦!谢谢你的阅读和回馈!
建立一个放资料的地方,统一读取和写入这样比较方便 dataCenter.js const GetIn...
条件运算子 是 JavaScript 中唯一需要三个运算元的运算子。 这个运算子接受两个运算元作为值...
一、前言 VSCode 是微软开发的文字编辑器,同时支援 Windows、Linux 和 mac...
今天来说说温湿度读取的部分吧,首先来看看这颗的Datasheet: https://www.sila...
圆饼图(环圈图)简介 圆饼图和环圈图常出现在我们统计图表当中,一般用来表示各个分类的数量所占的百分比...