Python11预测之美数据分析预算法实战.pdf资源-CSDN文库

版权申诉

5星 · 超过95%的资源 111 浏览量 2022-11-24 12:33:36 上传评论收藏 869KB PDF 举报

资源推荐

资源详情

资源评论

Python 预测之美数据分析预算法实战

第 3 章探索规律

3.1 相关分析

相关关系是一种与函数关系相区别的非确定性关系，而相关分析就是研究事

物或现象之间是否存在这种非确定性关系的统计方法。相关分析按处理问题的不

同,通常可分为自相关分析、偏相关分析、简单相关分析、互相关分析以及典型相

关分析。其中自相关分析、偏相关分析适用于分析变量自身的规律;简单相关分析

通常可分析任意两个等长数列间的相的相关性；而互相关分析则允许在一定的间

隔下讲行简单相关分析:典型相关分析适用于分析两组变量的相关性。

3.1.1 自相关分析

在 Python 中，可使用 statsmodels.graphics.tasplots 模块下的 plot_acf 函数

来分析时间序列的自相关性。

表 plot_acf 函数定义及参数说明

函数定义

plot_acf(x,ax=None,lags=None,alpha=0.5,use_vlines=Ture,unbiased=True,fft=False,title='A

utocorrelation',zero=True,vlines_kwargs=None,**kwargs)

参数说明

可选项，表示延迟期数（横坐标），一般需要提供一个整数值或一

lags 个数值，当提供一个整数值时，它会按 np.arange(lags)进行转

换，默认情况下，它是 np.arange(len(corr))

可选项，标量值，当设定该值时，对应函数会返回对应的置信区

alpha 间，比如当设置 alpha=0.05 时，将返回 95%的置信区间。若将该

值设定为 None，则函数不该回置信区间

可选项，逻辑值。若为 True，则绘制垂直线和标记。若为 False，

use_vlines 则只会绘制标记。默认为 marker 是'o'，可以通过设置"marker"参

数来修改

剩余15页未读，继续阅读

内容反馈

版权申诉

吴浩泽（Cary）

2023-02-09

资源质量不错，和资源描述一致，内容详细，对我很有用。
maoxian8044

2022-12-09

资源不错，对我启发很大，获得了新的灵感，受益匪浅。
m0_67166516

2023-02-15

资源是宝藏资源，实用也是真的实用，感谢大佬分享~

我是你的春哥！

粉丝: 1w+
资源: 1万+

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈

feedback-tip