首页
学习
活动
专区
圈层
工具
发布
社区首页 >专栏 >python数据分析-时间序列(一)ARIMA、傅里叶、小波变换、Prophet方法2021.8.19

python数据分析-时间序列(一)ARIMA、傅里叶、小波变换、Prophet方法2021.8.19

作者头像
用户7138673
发布2022-09-22 08:20:19
发布2022-09-22 08:20:19
1.6K0
举报
文章被收录于专栏:大大的小数据大大的小数据

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、

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2021-08-19,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 大大的小数据 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档