python中的时间序列预测
时间序列预测是指根据过去的时间序列数据，通过建立数学模型来预测未来一段时间内的数值变化趋势。在Python中，有多种方法和库可以用于时间序列预测，下面我将介绍其中几种常用的方法和相关的库。
- 自回归移动平均模型（ARIMA）： ARIMA模型是一种经典的时间序列预测方法，它结合了自回归（AR）和移动平均（MA）的概念。在Python中，可以使用statsmodels库来实现ARIMA模型的建模和预测。具体使用方法可以参考腾讯云的ARIMA介绍：ARIMA介绍。
- 长短期记忆网络（LSTM）： LSTM是一种循环神经网络（RNN）的变体，适用于处理具有长期依赖关系的时间序列数据。在Python中，可以使用Keras或TensorFlow等库来构建和训练LSTM模型。腾讯云提供了LSTM模型的使用示例和介绍：LSTM模型介绍。
- Prophet模型： Prophet是由Facebook开发的一种时间序列预测库，它基于加法模型，可以自动处理季节性、趋势性和节假日等特征。在Python中，可以使用Prophet库来进行时间序列的建模和预测。腾讯云提供了Prophet模型的使用示例和介绍：Prophet模型介绍。
- 深度学习模型： 除了LSTM，还有其他深度学习模型可以用于时间序列预测，如卷积神经网络（CNN）和变换器（Transformer）。这些模型在处理时间序列数据时具有一定的优势。在Python中，可以使用Keras、TensorFlow或PyTorch等库来构建和训练这些深度学习模型。
以上是几种常用的时间序列预测方法和相关的Python库。根据具体的需求和数据特点，选择合适的方法进行建模和预测。
相关·内容
2回答
有没有一种方法可以在python中运行ARIMA/Holt-温特斯模型，同时处理多个项目(时间序列)？
我可以使用Python中的StatsModels包运行一个ARIMA/Holt-温特斯模型，但不能运行多个时间序列。
若要澄清我所说的多时间序列的含义，请参阅我的数据集。
浏览 1提问于2018-11-14得票数 3
我有一个明显的时间序列/序列(监督:多类分类问题)数据集，每个数据点都有时间戳。然而，一些领域直觉告诉我，数据是静态的，不需要把它们当作时间序列数据。我还验证了一个非时间序列方法(即使使用严格的交叉验证和其他良好实践)很适合数据。然而，我想用更严格的方法来证明这一点，最好是在python中，但是如果没有其他选择，R也可以。有什么方法/检验可以验证我的假设吗？
谢谢。
浏览 0提问于2019-01-29得票数 5
1回答
变字典异常检测
、、
我想检测占CPU百分比最多的进程中的异常。我将数据作为字典值的时间序列接收，如下所示：
time process_most_cpu cpu%
0 2022-02-22 21:04:57.021740 {'chromium-browse': 38.70,'python': 32.00,'mutter': 2.90,'python3': 1.60}
浏览 0提问于2022-03-05得票数 1
2回答
我有2016到2021年的时间序列数据，我怎么能用Python中的ARIMA来获得2010到2015年的数据呢？COuld你们给了我一些样例Python代码吗？非常感谢
浏览 2提问于2022-01-19得票数 -1
1回答
我有一个时间序列预测问题，我使用的是状态模型python包，我在python sm.tsa.ARIMA(数据，(p,1，q)中应用了ARIMA模型，通常将数据转换为第一个不同的数据，例如，如果我们有一个原始数据(y1、y2、y3、y4.)，那么ARIMA首先找到第一个差异，(y1-y2，y2-y3，.)，所以它从这个新数据(第一个不同数据)中建立模型。当我找到模型时我的问题
arma_mod1=sm.tsa.ARIMA(firstdifference, (p,1,q))
我可以预测第一个差异数据如下
predict_oil =arma_mod11.predict('1980',
浏览 2提问于2015-03-24得票数 1
7回答
时间序列预测/回归有哪些算法？
用神经网络怎么样？(这方面最好的博士?)
有没有python库/代码片段可以帮助？
浏览 17提问于2010-08-27得票数 27
回答已采纳
1回答
我有两个带有时间序列数据的二进制输出(1和0)。数据集顺序显示在图像中。
📷
.Can有人建议我如何处理这个问题吗？特别是在MATLAB或Python中。提前谢谢。
浏览 0提问于2019-02-06得票数 2
2回答
我正在做一个项目，我的任务是在不同的维度(国家、职业和其他几个方面)和不同的日子中寻找异常数据(人数)。
下面是数据的示例
我该怎么做？有推荐的Python库或模型吗？我发现了很多关于多元时间序列分析的教程，但是我的数据不是多元时间序列，因为这个数据集中的分类变量不依赖时间。
浏览 3提问于2021-12-05得票数 1
1回答
我刚开始做数据分析。我从区域环境中心得到了一些数据。
测量:日期时间，PointID，SubstanceID，值(空气中物质浓度)，MeteoID，NextValue
气象资料: MeteoID、日期时间、温度、风速、风速、湿度、气压、降水。
物质(8种物质(CO、Cl2、NO2等)，其中5种有120万条记录)：SubstanceID、Name、MaxVal (最高允许浓度值)。
点(9个静态监测站)：PointID、入口、经度、纬度。
测量表包含约800万项空气中物质浓度比的记录(当地mysql)。我将测量数据和计量数据(最近的时间)链接起来，并将下一个值添加到测量记录中。测量之间的间隔时间
浏览 0提问于2018-10-05得票数 0
回答已采纳
我是tensorflow / keras的新手，我目前正在学习Francois的Python (第二版)的深度学习。
我了解计算机视觉的基本知识和MNIST的例子，但我对计算机视觉并不感兴趣。
我的问题是，你认为跳过计算机视觉章节，只关注我对回归机器学习+时间序列预测的兴趣(S)是否安全？
谢谢
浏览 0提问于2022-10-13得票数 0
回答已采纳
1回答
在R中，我正在研究一个月需求的时间序列，目前，我使用朴素方法来预测12个月(h=12)，它非常好，我只想预测一个月(h=1) (总是用朴素方法)，然后将这个预测值包含到时间序列中，并重复这个过程12次。例如：
预测2013年1月
将此预测值包含到时间序列中。
将朴素方法应用于新系列
我的时间序列不是固定的，有趋势和季节性。
我想做的是预测使用天真，但一步一步(逐个月)，更新我的时间序列每一步。我怎么能这么做？
浏览 9提问于2015-01-03得票数 0
2回答
Python中的趋势“预测者”？
、、、、
我目前使用的数据框(在pandas中)有两列:第一列是一些数字定量数据，如重量、某天花费的金额、GPA等，第二列是日期值，即添加相应列1条目的日期。
我想知道，在Python中，有没有办法“预测”时间X之后的下一个值？例如，如果我有100个权重条目，跨越2-3个月(不是所有条目都有相同的时间差，所以1个条目可能在第3天、第二天5和第二天10)，并想“预测”1个月后我的下一个条目，有没有办法做到这一点？
我认为这与时间序列分析有关，但我的统计学背景不是很强，所以我不知道这是不是正确的方法。如果是，我如何将其应用于我的数据帧(即哪些包)？它可能返回的值是否有任何意义，或者在我正在使用的上下文中它是
浏览 1提问于2018-04-08得票数 1
1回答
我想预测新客户的能源消耗。假设我可以构造一组属性来描述新的和现有的客户(例如业务规模、业务类型等)。我有现有客户能源消耗的时间序列数据。然而，我没有关于新客户消费的历史数据。
如果现有客户的消费具有季节性，但没有趋势，可以利用属性集建立一个回归模型，在现有客户消费的基础上预测新客户的消费。但是，如果现有消费者的消费有一个趋势呢？我如何知道我应该在什么时候开始预测呢？
让我们以现有客户的时间序列为例：
📷
如果我想预测新客户的消费一年，我如何知道在这个时间序列的哪个点开始预测？
我还没有数据集，所以我不能提供数据示例。答案可以包括一个关于我需要(如果有的话)解决这个问题所需要的额外信息类型的想法
浏览 0提问于2019-01-11得票数 2
我试图根据变量的前10个值来预测变量的当前值。我尝试了多重时间序列方法，包括ARIMA，LSTM和线性回归。它们都没有很好的表现，所以我开始认为，我拥有的数据序列只是随机的，不可预测的。
如果你有什么建议，请告诉我。或者，如果您知道我可以计算的任何度量，以确保我拥有的数据序列不只是随机的。
对于LSTM，我尝试使用Window方法在以下链接中进行预测：https://machinelearningmastery.com/time-series-prediction-lstm-recurrent-neural-networks-python-keras/
以下是我使用的自相关图、图和数据序列的一
浏览 0提问于2021-06-03得票数 3
回答已采纳
2回答
在VAR模型时间序列中，我作为获得了精度。如何使用Python检查时间序列中的预测精度？
print("df_results['Field1_f']", df_results['Field1_f'])
print("df_test['Field1']", df_test['Field1'])
print("accuracy:")
print(accuracy_score(df_test['Field1'], df_results['Field1
浏览 2提问于2020-11-04得票数 0
回答已采纳
1回答
我有这样的数据集，基本上都是数值时间序列数据。
📷
我想为它的未来值生成虚拟/人工/假数据，最好是在python中。为了合理地看待未来的价值，我怎样才能做到这一点？
我检查了一些包，比如faker、Timesynth；但是我想不出如何生成考虑到以前数据的数据。
浏览 0提问于2020-12-06得票数 0
回答已采纳
1回答
我正在研究大量的时间序列。一般来说，时间序列遵循线性趋势(带有一些噪声)，一个示例如下：
然而，有时检测器出现故障，导致时间序列的y值突然下降。示例：
我的问题:如何使用Python-来检测这种“跳转”
浏览 0提问于2018-01-11得票数 3
1回答
基于支持向量回归的时间序列预测
、、、、
我一直在尝试用Python语言实现支持向量回归的时间序列预测工具。我使用scikit-learn中的SVR模块进行非线性支持向量回归。但我对未来事件的预测有严重的问题。回归线很好地拟合了原始函数(来自已知数据)，但只要我想预测未来的步骤，它就会返回上一个已知步骤的值。
我的代码如下所示：
import numpy as np
from matplotlib import pyplot as plt
from sklearn.svm import SVR
X = np.arange(0,100)
Y = np.sin(X)
svr_rbf = SVR(kernel='rbf'
浏览 0提问于2013-04-03得票数 8
回答已采纳
1回答
我试过搜索，但找不到这个问题的具体答案。到目前为止，我能够意识到使用支持向量机进行时间序列预测是可能的。我已经阅读了一些论文/文章，他们执行了相同的操作，但没有提到任何代码，而是解释了算法(我不太理解)。有些人使用python完成了这项工作。我这里的问题是:我有一个从2010年到2017年的公司数据(比如单变量)。我需要使用R中的SVM来预测2018年的销售价值。您是否愿意简单地介绍和解释R代码，以使用一个小示例来执行相同的操作？我真的很感谢你的投入和努力！谢谢！
浏览 38提问于2018-03-03得票数 6
4回答
是否有一个全面的开放源码包(最好在python或R中)可以用于时间序列中的异常检测？
在scikit中有一个支持向量机软件包--学习，但它不是针对时间序列数据的。我正在寻找更复杂的包，例如，使用贝叶斯网络进行异常检测。
浏览 0提问于2018-05-24得票数 24
回答已采纳
问题描述
我们正在执行许多timeseries查询，这些查询有时会导致问题，通常通过API (Python)执行，有时由于数据丢失而导致完全失败。
由于这种情况，我们不知道在哪里教育自己，并得到这个具体问题的答案，如何处理我们的timeseries (进水数据库)数据库中丢失的数据。
示例
在一个例子中描述一个问题。
我们有一些时间序列数据，比如说我们测量房间的温度，现在我们有很多房间，有时传感器会死掉或停止工作一到两周，然后我们替换它们等等，在那个时间框架内，数据丢失了。
现在我们尝试执行某些计算，它们失败了，假设我们想要计算每天的平均温度，现在这将失败，因为有些日子我们没有传感器的测量输入
浏览 0提问于2023-02-06得票数 2
回答已采纳
1回答
预测在时间序列数据中始终是恒定的
、、、、
我正在做分层时间序列预测(Python)，当我试图用我拥有的全部数据来拟合模型时，我可以看到，对于某些特征，预测总是恒定的。我不能理解问题的确切位置，以及解决这个问题的可能方法。任何形式的帮助都是很好的。
提前感谢！！
浏览 6提问于2021-05-21得票数 0
2回答
我正在尝试创建一个keras LSTM来预测时间序列。我的x_train的形状像3000,15,10 (示例，时间步长，特征)，y_train像3000,15,1，我正在尝试建立一个多对多模型(每个序列10个输入特征就是1个输出/序列)。
我使用的代码是这样的：
model = Sequential()
model.add(LSTM(
10,
input_shape=(15, 10),
return_sequences=True))
model.add(Dropout(0.2))
model.add(LSTM(
100,
return_sequence
浏览 3提问于2017-10-25得票数 0
1回答
比方说，我有过去的数据，显示出一些时间序列是如何计算出来的。现在，我也有了一个新的时间序列的开始，我希望在一个类似的趋势中出现一个旧的趋势。
我可以用什么一般的数据科学/机器学习/统计技术来预测新的时间序列的其余部分？如何使用某种在线模型迭代预测旧模型的趋势，然后以某种方式将其应用于新模型？
浏览 0提问于2020-03-15得票数 2
1回答
我有一个数据集，它有两个特性，"feature_1“和"feature_2”，时间戳为10秒间隔。在绘图时，这两个特性在时间上都有“趋势”，但是没有季节性的.And，这两个特性也是高度相关的。任务是预测"feature_2“值。重要的是，在测试集"feature_1“中也给出了值。我应该采用哪种模式和方法？
📷
浏览 0提问于2020-07-14得票数 1
1回答
在序列到序列的学习中，当我们预测超过一步时，我们是应该在每个输出之后优化神经网络，还是应该一起优化每个序列的输出？
例如，如果我为每个序列预测10个步骤，我是应该对这10个步骤中的每个步骤进行优化，还是应该将它们全部优化在一起？
需要澄清的是:在下图中，"I“是进入下一个级别的预测。但是，在训练的同时，我们不是应该在下一个时间步中输入基本事实而不是预测吗？
浏览 4提问于2017-11-21得票数 0
1回答
我正在使用Python，并且我有这样一个示例数据集：
columns = ['product_id', 'market_value2015', 'market_value2016',
'market_value2017', 'market_value2018', 'market_value2019',
'market_value2020', 'market_value2021', 'retired'],
浏览 0提问于2022-04-09得票数 0
我对机器学习和深度学习还不熟悉。目前，我正试图用PyTorch中的LSTM来预测时间序列数据。我遇到的问题是，我不明白我应该使用哪一种输出来进行最后的预测。我的代码如下：
class Model(nn.Module):
def __init__(self, input_size, hidden_size, output_size, seq_len, dropout):
super(Model, self).__init__()
self.input_size = input_size
self.hidden_size = hidden_size
self.o
浏览 3提问于2020-05-30得票数 1
2回答
我第一次尝试使用python进行连续数据帧的案例研究，这是2006-2016年期间的属性时间序列数据
但我在A、B、C、D列中缺少2015-16年的值，在E和F列中缺少2006-07。我正在尝试计算值并填充数据。
我已经尝试了鼠标和插值，但不确定它是否正确。在python中应用哪种方法以及如何应用它？我已经浏览了以下链接：
我应该使用预测方法而不是估算来填充数据吗？
请帮帮忙。
浏览 1提问于2020-01-31得票数 0
1回答
我为这个新手的问题道歉，但我希望这里的人能给我指明正确的方向。
我想预测事件( X )发生的时间，因为我怀疑几个时间序列与X的时间相关。我的模型将接受完整的时间序列作为输入，并为事件X预测发生的时间输出一个值。请注意，我不是试图预测未来事件的时间，而是预测过去事件的时间。当使用该模型时，我将访问整个时间序列。下面简要介绍一下这些数据的外观：
📷
我的数据集包含许多示例，如上面的示例，即设置窗口中的几个时隙，以及事件发生的时间。
像LSTM模型这样的东西能被训练来完成这项任务吗？经过深入研究，LSTM和RNN模型看起来很适合预测时间序列中的下一个点，而不是像我所描述的那样输出事件的时间。
我能够
浏览 0提问于2020-09-04得票数 0
2回答
我有几个电动车充电站的数据集(10分钟频率)超过1年。这一数据包含了大量的0's，因为没有连续的车流来充电，而是以高峰的形式再次发生充电事件(例如，早上7点到9点，人们来办公室的时候似乎是一个频繁的充电时间框架)，我还收集了天气和工作日/假日的数据作为特征。
📷
我现在想预测未来6小时的能源需求。到目前为止，我已经尝试了SARIMA的可怕结果，因为算法似乎被稀疏的数据模糊了。
我尝试过不同的转换(Box Cox，规范化，标准化)，差分，自动arima作为最优参数，到目前为止还没有成功.
我愿意尝试不同的机器学习以及统计算法。有人对我如何用稀疏的数据集生成一个适度准确的预测有一些建议吗？
浏览 0提问于2021-04-11得票数 1
我正在用时间序列AutoML模型测试Google顶点AI。
我从Biguery表创建了一个数据集，其中有2列，一列是时间戳，另一列是我想要预测的数值：
salesorderdate是我的TIMESTAMP列，orders是我想要预测的值。
当我继续下一步时，我无法选择orders作为我要预测的值，因此该字段没有可用的选项：
我在这里错过了什么？在这种情况下，时间序列值肯定是目标值吗？这里是否期望有更多的字段，并以这种方式将额外的特性作为列添加到时间序列模型中？
浏览 8提问于2021-06-25得票数 1
回答已采纳
3回答
我见过许多ML数据集都有竞争(比如imageNet)。我一直在为航空公司乘客数据集寻找某种竞争或最先进的LSTM解决方案，但我所能找到的都是非常糟糕的解决方案(比如下个月将像本月一样)，并且有一些杂乱无章的论点，如果调整参数，就可以得到一个很好的解决方案。我找到的最好的集成LSTM解决方案是神经网络时间序列预测中的混沌控制，但我正在寻找单一的LSTM解决方案。
所以我的问题是，已知的最先进的LSTM解决方案是什么(如果有的话，也许是其中的一个时间表)，如果没有，为什么呢？从数据上看，这似乎是一个简单的问题。是否有其他众所周知的时间序列预测数据集，其中一个基准LSTM解决方案？
浏览 0提问于2023-03-25得票数 2
回答已采纳
3回答
基于时间序列的异常检测
、、、、
我刚刚开始研究Python中的异常检测开发。
我的数据集是时间序列的集合。更详细地说，数据来自于一些记录和收集锅炉或其他设备数据的传感器/仪表。
正如我之前说过的，我必须处理的数据是时间序列，所以是时间戳和传感器检测到的相对值；一个值是异常的，当它比它附近的其他值大或小时；基本上是一个峰值。
我需要开发一个无监督的分类模型，因为我没有所有数据的标签。
另一个重要的方面，是这些数据是“季节相关的”；事实上，锅炉在冬季的消耗应该比夏天高。这些价值不应被视为异常。
由于我在这个问题上没有经验，所以我想问你，解决这个问题的最佳算法/方法是什么？
此外，你知道一些书或链接的建议吗？
浏览 0提问于2018-08-28得票数 7
回答已采纳
所以我正在跟踪Tensorflow的LSTM/时间序列教程，有些事情我不明白。我确实理解return_sequences开/关发生了什么，但是有人说，在return_sequences上，您可以允许
同时在多个时间步骤上训练模型
我不太明白这意味着什么。如果您不使用它，则输入将通过所有以前的时间步骤，并进行预测。您的损失将是这个预测的错误和实际的错误。你仍然在所有的时间步骤上进行训练，对吧(虽然我想不是同时进行的)。
如果是的话，它会对每一个时间步骤进行预测--在这种情况下，损失是多少？这是序列中每个预测的平均误差吗？为什么打开return_sequences更好，就像教程中所做的那样？在这种
浏览 0提问于2020-12-13得票数 2
3回答
预测门票销售和城市
、、、
我在学习数据科学。我有以下火车票数据集：
1. order_date_meduim
order,date,medium
95062,2017-09-11,35
171081,2017-07-05,39
122867,2017-08-18,39
107186,2017-11-23,
171085,2017-09-02,
2. order_ordercityA_ordercityB [some order has only 1 ordercity, I think ordercity means here which city is something like source and dest
浏览 0提问于2019-03-09得票数 2
回答已采纳
1回答
我有一些每日的时间序列数据。我正在尝试从每日的历史数据中预测未来3天。
历史数据显示出基于一周中某一天的明确趋势，如周一、周二等，周一和周二是高峰期，周三通常是高峰期，然后在一周剩下的时间里下降。
如果我按月或按周对数据进行分组，我肯定可以看到随着时间的推移而上升的趋势，这种趋势似乎是累加的。
我的目标是只预测未来3天。我的直觉告诉我采取一种方法，我希望得到一些关于利弊和其他方法的反馈。
我的直觉告诉我，按周或月对数据进行分组，然后预测下一周或月可能会更好。假设我通过将每周的历史数据加载到ARIMA中，对下周进行训练、测试和预测，从而预测下周的总额。在一周内，每周的每一天通常占该周总数的x%。
浏览 28提问于2019-10-24得票数 0
我有一些关于流量的历史数据，并想预测未来。我引用了http://www.nuriaoliver.com/bicing/IJCAI09_Bicing.pdf的内容。它应用贝叶斯网络来预测自行车数量的变化，在那里我得到了贝叶斯网络，并希望使用贝叶斯网络来预测变化。 我遇到了几个问题。我试图使用朴素贝叶斯来预测数字，但似乎朴素贝叶斯只允许将输出作为几个离散的类。在我的例子中，变化似乎不能被分成离散的类别(就像预测一个人是“男性”还是“女性”，只有两个离散的输出作为分类器) 我可以知道如何在我的案例中应用贝叶斯方法，以及什么样的python包可以帮助我吗？
浏览 22提问于2019-04-19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Box-Cox变换，并再次检查ed Dickey-Fuller值(0，3)。然后我试着找出一阶差分法。我没有收到好的结果。我的问题是如何处理非平稳时间序列。我应该使用哪些方法使其固定？
浏览 0提问于2018-08-05得票数 1
1回答
嗨，Stack溢出社区。
我有5年的每周价格数据超过15K产品(5*15K**52记录)。每个产品都是一个单变量时间序列。目的是预测每种产品的价格。
我熟悉单变量时间序列分析，在这种分析中，我们可以可视化每个ts序列，绘制其ACF、PACF和预测序列。但是，在这种情况下，当我有15K不同的时间序列时，单变量时间序列分析是不可能的，不能对每个时间序列、其ACF、PACF和预测每个产品的分别进行可视化，并对其进行调整/决策。
我正在寻找一些建议和指导，以解决这个多系列预测问题使用R(更好)。如有任何帮助和支持，将不胜感激。
提前谢谢。
浏览 2提问于2020-09-03得票数 1
我已经使用Github中提供的样本数据集尝试了Azure异常检测API。
我能够设置Python环境并使用提供的示例数据运行。
现在，我计划使用异常服务来检测视频中的异常。azure异常服务是否支持视觉时间序列数据集。
浏览 3提问于2020-04-24得票数 0
我一直在做一些关于递归神经网络的研究，但我很难理解它们是否以及如何用于分析面板数据(即在不同时间段为几个对象捕获的横截面数据-例如，参见下面的样本数据)我所见过的.Most RNN示例与文本序列有关，而不是真正的面板数据，所以我不确定它们是否适用于这种类型的数据。
示例数据：
ID TIME Y X1 X2 X3
1 1 5 3 0 10
1 2 5 2 2 6
1 3 6 6 3 11
2 1 2 2
浏览 3提问于2016-10-13得票数 13
1回答
我有一个问题，我想用多个时间序列来预测一个时间序列。我的输入是(batch_size, time_steps, features)，输出应该是(1, time_steps, features)
我不知道如何平均超过N。
下面是一个虚拟的例子。首先，虚拟数据，其中的输出是200个时间序列的线性函数：
import numpy as np
time = 100
N = 2000
dat = np.zeros((N, time))
for i in range(time):
dat[i,:] = np.sin(list(range(time)))*np.random.normal(size
浏览 1提问于2019-03-19得票数 0
1回答
我想找出时间序列回归的最佳神经网络类型。我会这样描述我的情景：
我有来自A，B，C，D，E和F传感器的一维时间序列数据。
我试图通过使用A传感器的数据为传感器F数据生成一个回归模型。
我知道对于一些传感器，我需要考虑最后X个小时的数据，才能有一个合适的模型。这个“延迟”对于每个传感器都是不同的(例如，我需要使用传感器A的最后6个小时，对use使用最后的30分钟)，但随着时间的推移保持一致。
我有一个最大“延迟”的近似估计，但我不知道每个传感器的精确(这使我无法预处理我的数据)。
我的目标是能够生成一个针对所有传感器数据的模型/网络，然后将其应用于case中的新数据，并将
浏览 1提问于2019-01-11得票数 0
我在最后一年的项目中使用statsmodels库分析了几种不同的时间序列预测方法，例如ARIMA和SARIMA。查看过去的文献，我发现回归算法也可以与滑动窗口等方法结合使用。然而，我不能澄清的是，时间序列预测属于哪种算法。我确信它不是无监督的，因此这是否意味着时间序列预测算法是有监督的算法？或者它是一种不同类型的机器学习？
浏览 255提问于2019-04-25得票数 1
是否存在对时间序列数据进行完全自动arima处理的python模型？最好有一个光滑的风格界面。
浏览 0提问于2019-01-25得票数 1
回答已采纳
我会用一个非常简单的例子来解释这个问题，但我认为对于更广泛的情况，答案应该是成立的。
假设我想创建一个时间序列回归模型(模型本身与数据中的信息无关)来预测目标变量(sales)。
要做到这一点，我有历史数据，另外还有一个回归变量，我知道它解释了目标变量的一些可变性。(典型的例子是一些天气指标)
问题是，我只有数据，直到目前的一段时间，我感兴趣的预测时间提前两步。
，什么是将这些信息合并到模型中的最佳方法？
虚拟示例数据：
📷
我们的目标是预测t+2的销售额，我们假设天气与销售有一定程度的协方差。
可能采取的办法：
使用天气训练到t0，然后用另一个模型进行天气预报，然后用训练后的模型进行预报--
浏览 0提问于2022-04-13得票数 1
1回答
有什么方法可以预测信号？
、、、
我有大量的信号数据集(由时间序列组成)。所有时间序列都描述相同的过程，但每个序列都有不同的持续时间(点数)。在这些时间序列的基础上，对神经网络进行训练，然后给出一个新的时间序列作为输入，并对进一步的100个点进行预测。我有两个问题：
有哪些转换可以将所有信号缩小到一个大小？
解决这些问题(预测时间序列)的方法是什么？我知道流行的ARMA和ARIMA模型，但它们使用相同的时间序列。我的任务是找出时间序列之间的模式，以便学习如何预测新时间序列的进一步行为。谢谢你的帮助！
浏览 0提问于2021-07-26得票数 1
回答已采纳
2回答
我需要用scikit训练一个模型--学会预测房间里人少的可能的时间。
下面是我的数据集的样子：
Time PeopleCount
---------------------------------------------
2019-12-29 12:40:10 50
2019-12-29 12:42:10 30
2019-12-29 12:44:10 10
2019-12-29 12:46:10 10
2019-12-29 12:48
浏览 3提问于2020-01-21得票数 0
回答已采纳
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
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
