机器学习 时间序列预测总结版本
需积分: 16 46 浏览量
2022-07-11
11:07:49
上传
评论
收藏 158KB PDF 举报
时间序列预测
随机性（白噪声）的定义与检验
随机性时间序列（白噪声序列）：没有必要对其
进行数据的分析
时间序列的平稳化
对于非平稳时间序列，一般需要将其转化为平稳
时间序列再进行分析
方法：拆分、变换、分解
模型
基于统计学
ARIMA
ARIMA模型要求时序数据是稳定的，或者经过差
分处理后稳定
朴素法、简单平均法、指数平滑法、AR等
基于机器学习
子主题 1 子主题 2
子主题 1
平稳时间序列的定义与检验
严平稳时间序列、宽平稳时间序列
图检验、统计检验（ADF（增补迪基-福勒）检
验）
时间序列的特征统计量
均值、方差、自协方差、自相关系数
时间序列
定义：按照固定时间间隔记录的数据集 。 即以
时间为索引的一组数据是一个时间序列，例如每
小时、每天、每周、每月、每季度。
在开始使用时间序列数据预测未来值之前，思考
需要提前多久给出预测是尤其重要的。是否应该
提前一天，一周，六个月或十年来预测（我们用
“界限”来表述这个技术术语）？需要进行预测的
频率是什么？
在拿到时间序列数据后，首先应该检查数据质
量，例如是否有缺失，异常值的存在。确保数据
无误后需要进行稳定性检验和白噪声检验。
最完整的时间序列分析和预测：https://blog.csdn.net/fengdu78/article/details/122677938?spm=1001.2101.3001.6650.4&utm_medium=
distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7Edefault-4-122677938-blog-108619863.pc_relevant_antiscanv4&
depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7Edefault-4-122677938-blog-108619863.pc_
relevant_antiscanv4&utm_relevant_index=8
http://smilecoc.vip/2021/01/15/time_series_
part2_stability/
机器学习
监督学习
1. 线性回归
2. 逻辑回归
3. 神经网络
4. SVM支持向量机
5. K邻近
6. 贝叶斯
7. 决策树
8. 集成学习(Adaboost)
非监督学习
(PCA）降维-主成分分析法、聚类分析
强化学习
深度学习
基于人工神经网络的机器学习
RNN、CNN
属于
评论0