介绍
大多数人都听说过关于Cryptocurrency,许多人也许会投资他们的加密货币。但是,投资这种不稳定的货币安全吗?怎样才能确保现投资这些硬币未来一定能带来稳定的收益呢?我们不能确定,但肯定能根据以前的价格产生一个近似值。时序模型是预测的一种方法。
除了加密货币,还有许多重要的应用时序预测的领域,例如:销售预测,呼叫中心的通话量,太阳的活动,海潮,股市行为等等。
目录
- 理解问题描述和数据集
- 安装库
- 方法 1 –以简单的方式开始
- 方法2 – 简单平均数
- 方法3 – 移动平均数
- 方法 4 –指数平滑法
- 方法5 – Holt线性趋势法
- 方法6 – Holt冬季季节法
- 方法7 –综合自回归移动平均法(ARIMA)
理解问题描述和数据集
提供了涉及预测JetRail通勤人数的时序问题,一个新的高速铁路服务。我们提供了2年的数据,并利用这些数据预测未来7个月的通勤人数。
在本文中,只使用训练数据集。
从以上的报表上看到,我们有2年的按小时计的通勤数据(2012-2014),需要预估未来的通勤数量。
在本文中,我构造子集和汇总数据集以便讲解不同的方法。
- 构造数据集的子集 (2012/08 – 2013/12)
- 为建模构造训练和测试文件。前14个月的数据被用作训练数据(2012/08 - 2013/10),后两个月的被用作测试数据(2013/11 - 2013/12)。
- 每天汇总数据集。
把数据(用于训练的和测试的)可视化,以了解在一段时间内是如何变化的。
安装库(statsmodels)
用来进行时序预测的库是statsmodels。在应用很少的给定方法之前,需要安装一下。statsmodels可能已经安装在你的Python开发环境了,但它不支持的预测方法。我们将从存储库克隆一下并进行源码安装。按照如下步骤 :
注意:本文归作者所有,未经作者允许,不得转载