我的肉眼认为存在季节性时间序列，当我使用adfuller()时，结果显示该序列是基于p值的平稳序列。 我还对它应用了seasonal_decompose()。结果和我预期的差不多。(tb3['percent'].values,freq=24*60, mod
浏览 53提问于2020-08-04得票数 1
回答已采纳
1回答
我尝试在时间序列数据集上使用ARIMA模型(STOSTSP-500)。
在将数据输入ARIMA模型之前，我想知道时间序列是否具有平稳性.所以，我选择股票的股票是"APA"(Apache公司)，我使用adfuller从包statsmodels.tsa.stattools来检验时间序列是否具有平稳</em
浏览 5提问于2021-12-26得票数 -1
回答已采纳
我在分析时间序列。它显然有一个趋势和一个季节性的组成部分。当我做adf根测试时，我得到的p值为0.98，这意味着它是非平稳的。但是当我在pmdarima做and时，Philippe Perron和Dickey Fuller得到0，而这显然是有趋势的。KPSS返回1，这似乎更准确。当做nsdiffs时，当明显是静止时</e
浏览 3提问于2020-09-12得票数 2
1回答
当我把我的先知模型从加性转变为乘性季节性时，我就产生了奇怪的影响：我预计这一趋势将保持在相同的价值区间。我说错了吗？具有加性季节性的例子： proph_model.fit(df)
如预期的
浏览 9提问于2022-09-23得票数 0
2回答
这个时间序列是平稳的吗？
、、、、
我想检查保存在中的时间序列数据的平稳性。然而，R的tseries::adf.test()和Python的statsmodels.tsa.stattools.adfuller()给出了完全不同的结果。adf.test()显示为平稳(p <0.0 5)，adfuller()显示为非平稳(p >0.0 5
浏览 0提问于2018-03-27得票数 8
回答已采纳
1回答
我是时间序列分析的新手。我并不真正理解我得到的一个指标。因此，我每天都有客户使用某项功能的数据。首先，我逐月绘制了一个信号，以检测明显的季节性或趋势：
如你所见，我们每6-7天就会有明显的下降。当我用seasonal_decompose函数分解我的时间序列
浏览 8提问于2021-05-31得票数 1
我在大约20个完全不同的数据集上运行了来自状态模型的seasonal_decompose()。当看一个日间频率的数据集时，季节性是7是标准的吗？
为什么总有7天？我不认为它总是7天，而且数据集都是不同的，所以现
浏览 2提问于2022-04-21得票数 0
回答已采纳
我试图用日期时间索引来消化时间序列数据。我打算在我的项目中使用句点，但是它给了我一个错误，说没有一个参数叫做句点。我什么也找不到。但是我看到在statsmodel网站上提到了这个间隔，有人知道我怎样才能克服这种情况吗？from statsmodels.tsa.seasonal import seasonal_decompose
# Multiplicative D
浏览 18提问于2022-05-21得票数 1
5回答
📷
上述时间序列图是一家公司的每日收盘价指数。我想知道加法和乘法之间的哪一个模型最适合上述数据。我知道这两个模型是什么，但我还无法为上面的数据找出正确的模型。此外，除了简单的可视化之外，还有其他方法可以帮助我决定正确的模型吗？
浏览 0提问于2019-02-22得票数 5
我试图做一些时间序列分析，但是当我试图绘制seasonal_decompose()的结果时，会出现一个错误。时间序列如下所示(它是从更大的数据中生成的)：_ 249 889 5334matplotlib.pyplot as plt
%matplotli
浏览 5提问于2020-11-16得票数 1
1回答
N阶差和9阶差
、、
对于d>1时的差异，我听到了两个表达式："n -差分“，”n-阶差分“.这两个表达是指同一件事吗？例如，对于二阶差分，我看到了以下公式：第二个差分公式(d=2)是什么？这和以前的公式一样吗？任何帮助都是非常感谢的。
浏览 5提问于2020-05-30得票数 3
回答已采纳
1回答
我有时间序列数据，它有下面的ACF图我读过Adf检验告诉我数据是平稳的，因为它的p值小于0.05。对于平稳<e
浏览 15提问于2022-08-09得票数 0
回答已采纳
我只想分解一个时间序列的趋势和残差(没有季节性)。到目前为止，我知道我可以使用状态模型分解一个时间序列，但这包括一个季节性。有没有办法在没有季节性的情况下分解它？我看过文档() seasonal_decompose允许不同类型的季节性(“加性”、“乘性”})
浏览 1提问于2018-10-18得票数 3
回答已采纳
1回答
我有一个年度时间序列，格式如下：import numpy as np
seasonal.plot()我试着用上<e
浏览 2提问于2021-06-04得票数 0
1回答
目标:尝试在我自己的CSV数据集上应用时间序列分解来查找LeftHipAngle列的趋势、季节性和噪声。步骤1:在CSV中加载到Pandas Dataframe
from statsmodels.tsa.seasonal import seaso
浏览 21提问于2021-10-09得票数 0
2回答
我的目标是检测在一个时间序列波形中存在的各种季节性和它们的时间周期。我目前正在使用以下数据集：1) FFT的使用：import numpy as np
from statsmodels.tsa.seasonal理想情况下，我希望看到的高峰
浏览 10提问于2022-03-25得票数 1
1回答
我有一个场景，我必须预测下一个小时的值。我的时间序列是每小时一次的。起初，数据看起来没有趋势性或季节性，而且是平稳的。因此，我可以应用简单的ARMA模型进行预测。然而，我不能长时间使用相同的模型。几天或几个月后，数据集可能会显示出一些季节性
浏览 10提问于2019-12-19得票数 0
虽然这个问题似乎已经得到了很多解决，但我不明白为什么季节性分解在我的情况下不起作用，尽管我给出了一个带有日期时间索引的数据作为输入。下面是我的数据集的一个示例：0 01/01/1900290代码片段如下所示：
浏览 2提问于2018-05-31得票数 8
2回答
假设您正在尝试度量特定事件流的季节性是否一致，即时间序列中的事件或多或少发生在模式上，如时尚。如何通过算法度量和提取季节性？
目前，我正在使用自相关来查看明显的季节性(月)数据事件。我很难找到如何编写一个算法来测试一个月是否有季节性的东西。下图显示了pacf函数在statsmodels.tsa.stattools库中的结
浏览 0提问于2019-12-05得票数 1
2回答
我正在为按日期预测事件数量的时间序列的python程序工作。对于预测，我使用ARIMA模型。现在我有了一些结果，但预测值并不是很好。首先，我让我的时间序列是固定的。为此，我使用:通过Dickey-Fuller检验(0，5)检查平稳性，然后使用</em
浏览 0提问于2018-08-05得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
