一句话:
时间序列预测:有每天、每月的销售数量,预测下个月的销量。
时间序列ARIMA、傅里叶、小波变换、Prophet方法
###############################################################
裹脚布版内容:
一、ARIMA趋势分析
1、Python 3数据分析与机器学习实战
2、

3、无法登录,加QQ等待中
4、Python大数据与机器学习实战
5、微信二维码扫描输入书号下载代码
6、时间,加入农历的影响
7、时间,假期、调休、周末,节假日
8、梯度下降决策树GBDT和交叉验证CV算法模型。
9、时间序列问题拆解为三个函数:趋势:国家、地区、产业经济发展,周期:经济周期、月份周期、季节周期、行业周期,突发事件:新冠、金融危机、政治事件、不可抗力事件。
10、趋势:拟合趋势,如滑动平均模型、指数平均模型、线性回归。要注意拐点
11、周期:大小周期利用工具和人的经验拆
12、突发事件:随机森林、梯度下降决策树、关联规则等。
13、ARMA自回归滑动平均模型(AR自回归模型+MA滑动平均模型+I差分)
14、自相关ACF
15、偏相关PACF
16、

17、

18、拖尾指序列以指数率单调递减或震荡衰减,而截尾指序列从某个时点变得
19、拖尾
20、截尾
21、模型检验:观察和计算误差、残差的自相关函数应该没有可识别的结构、AIC信息准则越小越好。
22、看代码,航空乘客数据
23、

24、曲线趋势向上、且波动加剧。
25、将数据变平稳,做对数和差分处理。
26、

27、做自相关函数图和偏自相关函数图,确定模型阶次。自相关明显拖尾图,周期12天,偏相关也并非明显截尾,使用ARIMA模型。
28、

29、训练模型
30、

31、转为原来的模型AttributeError: 'Series' object has no attribute 'ix'
32、https://www.cnblogs.com/wqzn/p/12869014.html
33、

34、https://ld246.com/article/1581255121678
35、

36、

37、出来了,黄色是原波形,蓝色是拟合波形。
38、

39、按月预测比按天预测衰减少。
二、傅里叶和小波变换
1、把时域数据转到频域,再转换回来。
2、转换工具fft快速傅里叶变换和ifft逆向傅里叶变换。
3、看代码,拟合的还行?
4、

5、小波变换,
6、

7、fig = plt.figure(figsize=(24, 3), facecolor='blue')
8、调整画布尺寸
9、

三、Prophet时序模型:FaceBook开源的框架,简单实用,不需要理解复杂的公式。
1、感觉不妙
2、pip3 install fbprophet失败
3、https://www.pianshen.com/article/34991272773/
4、

5、

6、

7、

8、看一下数据格式,很方便放我们的数据。
9、

10、

四、Python数据分析与挖掘实战 P154预测餐厅销售数量
1、https://www.tipdm.org/tj/1615.jhtml
2、下载源代码800MB挺大,运行,有点小BUG
3、检验序列的平稳性,明显的单调递增趋势,判断为非平稳序列。
4、

5、自相关系数长期大于零,说明序列具有很强的长期相关性。
6、

7、原始序列的单位根检验,和书本不一样,书本P值显著大于0.05判断序列为非平稳序列。
8、

9、一阶差分,时序图在均值附近比较平稳的波动。
10、

11、自相关图有很强的短期相关性、单位根检验P值小于0.05,是平稳序列。
12、

13、P值和书本不一样,代码没错,书本代码运行一样。
14、

15、白噪声,p值小于0.05,平稳非白噪声序列。
16、

17、TypeError:此数据类型不允许还原操作“argmin”
18、argmax方法已被弃用,改用idxmax?不行
19、

20、不行,NameError: name 'flost' is not defined
21、

22、不行,KeyError: 'columnName'
23、

24、不行,
25、

26、不行,TypeError: data type 'flost64' not understood
27、

28、

29、print('打印:',bic_matrix.stack().dtype),打印:object
30、不行,
31、

32、不行
33、

34、搜索object,argmin
35、不行,ValueError: attempt to get argmin of an empty sequence
36、
